Gleiche Wörter, andere Bedeutung

Was nach der Zerlegung in Wörter bleibt

Die Analyse beginnt mit der Abgrenzung. Die Zeichenfolge enthält Wörter, Zahlen, Multiplikationszeichen, eine Maßeinheit und Satzzeichen. Sie lassen sich als einzelne Elemente — Token — abgrenzen. Die Aufteilung hängt von den Werkzeugregeln ab: Ein Bindestrich hat in einem gewöhnlichen Wort, in A6-20 und in einem Zahlenbereich unterschiedliche Funktionen.

Tokenisierung liefert adressierbare Abschnitte der Ausgangszeichenfolge. Nun lässt sich zeigen, woher eine Zahl stammt, welcher Abschnitt als Modell erkannt wurde und wo eine Verneinung steht. Die Elementfolge allein sagt aber noch nicht, was gemessen wurde.

Eine weitere Verarbeitung führt Wortformen auf Lemmata zurück. Im russischen Beispiel sind „колёсами“ und „колёс“ gebeugte Formen von „колесо“ („Rad“). Die Zuordnung erleichtert die Suche nach ähnlichen Ausdrücken, ohne jede Form von Hand aufzulisten. Die Präpositionen „с“ („mit“) und „без“ („ohne“) müssen dabei erhalten bleiben: Sie verändern die Beziehung zum Gegenstand.

Die spaCy-Dokumentation beschreibt Tokenisierung, Lemmatisierung und syntaktische Analyse getrennt. Das sind einzelne Operationen einer bestimmten Bibliothek, kein zwingender universeller Ablauf für jedes System. Für unsere Aufgabe sollten die Ergebnisse getrennt bleiben: normalisierte Formen für den Abgleich, Ausgangstext und Beziehungen für die Aussagenprüfung.

Namen und Codes erfordern besondere Behandlung. „Model 8 Pro“ darf zur Normalisierung nicht auf „Model 8“ verkürzt werden, wenn Pro eine andere Ausführung bezeichnet. Ebenso wenig darf ein Materialname ungeprüft durch einen weiteren Begriff ersetzt werden. Sonst beginnt die Verarbeitung, die den Abgleich erleichtern sollte, unterschiedliche Gegenstände zusammenzuführen.

Welche Beziehungen wiederhergestellt werden müssen

Im Lehrsatz „Die Koffermaße wurden mit montierten Rollen gemessen: 55 × 40 × 20 cm“ müssen mindestens Gegenstand, Merkmal, Zahlenwert, Einheit und Messweise erkannt werden. Die Zahlen gehören zum Maß, das Maß zum Koffer; „mit montierten Rollen“ bestimmt den gemessenen Zustand. „Koffer mit Rollen“ könnte lediglich den Produkttyp benennen. Deshalb verwendet das Hauptbeispiel eine ausdrückliche Angabe zur Messweise.

Die syntaktische Analyse bestimmt Beziehungen zwischen Wörtern. Bei Universal Dependencies kann ein Funktionswort, etwa eine Präposition, mit dem zugehörigen Substantiv verknüpft werden. Ein syntaktisches Label bedeutet jedoch noch nicht „Messbedingung“. Diese fachliche Rolle muss aus Konstruktion und Aufgabe ermittelt werden.

Mit diesem Datensatz lassen sich genaue Fragen stellen. Sind Griffe enthalten? Welche Zahl bezeichnet Höhe, Breite und Tiefe? Drei unbeschriftete Werte rechtfertigen keine automatische Achsenzuordnung. Ist das für den Vergleich wesentlich, braucht es eine Erläuterung der Quelle oder eine Messzeichnung.

Auch mehrteilige Ausdrücke sind zu berücksichtigen. Russisch „ручная кладь“ bedeutet „Handgepäck“ und bezeichnet einen Beförderungskontext, keine zwei unabhängigen Eigenschaften aus „ручной“ („Hand-“ oder „manuell“) und „кладь“ („Gepäck“). In einer anderen Kategorie bezeichnet „сухой остаток“ („Trockenrückstand“ bzw. „Feststoffgehalt“) einen Rezepturparameter und keine Anweisung, Reste zu trocknen. Ein Fachwörterbuch hilft, solche Konstruktionen zu erkennen, benötigt aber ebenfalls Kontext.

Wo die Verneinung gilt

„Für Stoff geeignet“ und „nicht für Stoff geeignet“ bestehen fast aus denselben Wörtern. Für die Produktauswahl ist der Unterschied entscheidend. Bei der Textumwandlung muss die Verneinung mit der Eigenschaft verbunden bleiben, die sie verändert.

Die Aufgabe geht über die Suche nach „nicht“ hinaus. „Masse nicht mehr als 2 kg“ und „Masse nicht weniger als 2 kg“ nennen denselben Gegenstand, dieselbe Zahl und Einheit, setzen aber entgegengesetzte Grenzen. Beide Angaben dürfen nicht als schlichtes „Masse: 2 kg“ gespeichert werden.

In „erfordert keine vorherige Grundierung“ bezieht sich die Verneinung auf die Notwendigkeit einer Handlung. Das ist eine andere Aussage als „nicht für grundierte Oberflächen geeignet“. Der gemeinsame Wortstamm macht die Formulierungen nicht austauschbar.

Auch ein negativer Rat ist nicht immer ein Verbot: „nicht empfohlen“ darf ohne Klärung nicht zu „verboten“ verstärkt werden. Umgekehrt geht Bedeutung ebenso leicht verloren. Steht in der Quelle „nicht zulässig“, verändert „besser vermeiden“ die Verbindlichkeit der Einschränkung.

In UD v2 wird Verneinung durch Polarity=Neg zusammen mit einer gewöhnlichen syntaktischen Beziehung dargestellt. Die gesonderte universelle Beziehung neg aus der früheren Version wurde entfernt. Das Merkmal hilft, Sprachinformation zu erhalten. Geltungsbereich und fachlicher Sinn erfordern weiterhin eine Konstruktionsanalyse; die Richtigkeit des Verbots selbst eine Quellenprüfung.

Eine Bedingung lässt sich nicht vom Ergebnis lösen

Der erste Artikel zeigte, wie Pinselwaschen vor dem Trocknen zu einem allgemeinen Versprechen über abwaschbare Farbe wurde. Sprachlich gingen der gereinigte Gegenstand und die zeitliche Grenze verloren. Für eine solche Anleitung genügt es nicht, „Wasser“ und „Farbe“ zu erhalten.

Zeit kann sich auf unterschiedliche Ereignisse beziehen: Arbeitsbeginn, Oberflächentrocknung, vollständige Aushärtung oder zulässige Lagerung. „Nach 30 Minuten“ ist ohne Ereignisbezug keine fertige Antwort auf „Wann kann der Gegenstand benutzt werden?“

Zahlenbegrenzungen müssen vollständig gelesen werden. „Bis zu 30 Minuten“, „mindestens 30 Minuten“ und „etwa 30 Minuten“ unterscheiden sich in Grenze und Bestimmtheit. Eine erhaltene Zahl bedeutet noch keine erhaltene Empfehlung.

Auch Möglichkeit, Notwendigkeit und Bedingungen zählen. „Kann mit Halterung X an der Wand montiert werden“ belegt nicht, dass die Halterung mitgeliefert wird. „Halterung X erforderlich“ bedeutet nicht, dass jede äußerlich ähnliche Halterung passt. Jede zusätzliche Beziehung braucht einen Beleg.

Bei der Extraktion sollte die Bedingung neben der zugehörigen Handlung bleiben. Eine allgemeine Einschränkungsliste ist für die Suche praktisch. Ohne Zuordnung wird jedoch unklar, worauf die Einträge sich beziehen. Beschreibt ein Absatz zwei Betriebsarten, darf eine Bedingung der einen nicht automatisch für die andere gelten.

Worauf bezieht sich das russische „её“?

„Кружка поставляется с крышкой. Её можно мыть в посудомоечной машине“ — übersetzt: „Der Becher wird mit einem Deckel geliefert. Er darf in der Spülmaschine gereinigt werden.“ Im Russischen sind sowohl „кружка“ (Becher) als auch „крышка“ (Deckel) feminin; das Pronomen „её“ kann sich auf beide beziehen. Das nächststehende Substantiv ist ein möglicher Bezug, garantiert aber nicht, dass der Deckel gemeint ist.

Für das Arbeitsdossier ist der Unterschied wesentlich: Eine Freigabe für den Deckel belegt keine Freigabe für den Becher und umgekehrt. Ohne weiteren Kontext muss die Mehrdeutigkeit erhalten bleiben oder eine Klärung angefordert werden. Den bequemeren Gegenstand einzusetzen heißt, eine Bedeutung hinzuzufügen, die der Text nicht eindeutig vermittelt.

Andere Konstruktionen sind deutlicher. „Das Set enthält zwei Behälter. Jeder fasst 500 ml“ ordnet das Volumen einem Behälter zu. Ein Liter insgesamt ergibt sich durch gesonderte Berechnung. Ohne Auflösung des Pronominalbezugs könnten 500 ml irrtümlich als Volumen des gesamten Sets gespeichert werden.

Beschriftungen, Listenaufbau, Nachbarabsätze und fachliche Stimmigkeit helfen dabei. Auch der umgebende Text kann jedoch falsch sein. Ein Analysewerkzeug muss unterscheiden zwischen „So ist der Text vermutlich verknüpft“ und „Diese Eigenschaft ist für das Produkt belegt“.

Ein Datensatz, der die Analyse prüfbar macht

Nach der Verarbeitung muss der Weg zur Ausgangsformulierung erhalten bleiben. Für das Kofferbeispiel könnte die Arbeitsdarstellung so aussehen:

Das ist eine vorgeschlagene fachliche Struktur, kein universelles Datenschema. Bekleidung braucht andere Merkmale, Verbrauchsmaterial Bedingungen für Auftrag und Verbrauch. Gemeinsam bleibt die Anforderung, antwortrelevante Beziehungen zu erhalten.

Ein möglicher Fehlertest formuliert die Aussage aus den extrahierten Daten neu und vergleicht sie mit der Quelle. Gesondert ist zu prüfen, ob Gegenstand, Merkmal und Bedingung korrekt verknüpft sind. „Außenmaße mit Rollen und Griffen“ würde hier bereits Griffe ergänzen. „Für jedes Handgepäck geeignet“ fügte zusätzlich allgemeine Kompatibilität hinzu.

Die Prüfung muss Auslassungen und zusätzliche Beziehungen erfassen. Ein System kann alle Wörter korrekt erkennen und dennoch eine Bedingung mit dem falschen Gegenstand verbinden. Hilfreich ist daher die Untersuchung einer konkreten Abweichung: Ausgangsabschnitt, erzeugte Beziehung und erforderliche Klärung.

„Wie groß ist der Koffer mit Rollen?“ und „Maße ohne vorstehende Teile“ betreffen ein ähnliches Thema. Vor Verwendung der Beschriftung als Antwort muss geklärt werden, welche Teile die Messung ausschließt. Davon hängt ab, ob die Formulierungen in eine Gruppe gehören oder getrennte Antworten benötigen.