BASQUE RESEARCH
 Euskal ikerketa, garapena eta berrikuntzaren webgunea

Berriak

Kontaktua:

Victor Laskurain

Eleka Ingeniaritza Linguistikoa, S.L.

Harremanetarako datuak:

bittor@eleka.net

(+34) 943377225

2007/11/6

Elebila, Interneteko euskarazko lehen bilatzailea

Elekak Elebila (www.elebila.eu), Interneteko euskarazko lehen bilatzailea, aurkeztu du. Interneteko bilatzaile ezagunenen funtzioak eskaintzen ditu, baina kalitateko euskarazko emaitzak lortzeko bermearekin.

Euskarazko bilaketak egiteko orduan, bi arazo nagusi daude: alde batetik, euskarak Interneten duen garrantzi erlatiboa txikia eta, bestetik, atzizkien erabilera zabala.

Euskarak sarean duen pisu txikia dela-eta, "anorexia" edo "energia" bezalako hitz teknikoak bilatuz gero euskaraz idatzitako dokumentuak inoiz ez dira agertzen lehen emaitzen artean, hitz horiek beste hizkuntza batzuetan ere existitzen direlako. Eta berdin gertatzen da "Newton" edo "Egipto" bezalako izen bereziekin, eta "katu" edo "esne" bezalako hitz laburrekin ere. Elebilak, arazo hori konpontzeko, Live bilatzailea hartzen du oinarritzat eta hizkuntza ezagutzeko teknikak erabiltzen ditu euskarazkoak ez diren emaitzak baztertzeko. Hizkuntza-ezagutza bi pausotan egiten da. Lehen pausoan erabiltzaileak sartutako testuari euskaraz maiztasun handiena duten hitzak ("eta", "da", "ez" eta "ere") gehitzen zaizkio. Laurak erabiltzen dira normalean, baina posible da, iragazkia ahultzeko, gutxiago erabiltzea. Iragazki-hitzekin galdera birformulatu eta Live bilatzailera bidaltzen da. Puntu horretan kokatzen da bigarren pausoa. Pauso horretan, hitzek eta hizki-hirukoteek hizkuntza desberdinetan dituzten maiztasunetan oinarrituz analisi estatistiko bat egiten da, euskaraz dauden testuak besteetatik bereizteko. Bi iragazkien lanari esker, emaitzak denbora galdu gabe eta modu fidagarrian lor daitezke.

Bestalde, euskarak oso deklinabide aberatsa duenez, bilatzaile arruntek ematen dituzten emaitzak inoiz ez dira osoak: "energia" bilatzen badugu hitz zehatz hori duten dokumentuak agertzen dira soilik, eta "energiaren kontsumoa handitu da" moduko esaldiak ez dira emaitzan agertzen. Elebila arazo honi aurre egiteko prestatuta dago. Horretarako, EHUko Informatika Fakultateko IXA Taldearekin elkarlanean garatutako teknologietan oinarrituz, erabiltzaileak bilatu nahi dituen hitzen flexio arruntenak sortzen dira bilaketarekin aurrera egin aurretik. Flexioak sortu ahal izateko lehenengo pausoa erabiltzaileak sartutako hitzaren lema lortzea da ("etxetik" hitzaren lema "etxe" da). Gehienetan, lema lortzeko nahikoa da deklinabide-atzizkiak kentzea, baina batzuetan prozesua konplexuagoa da: akasdun hitzak edo euskalkiren bateko espezifikoak dira bi kasu nabarmen. Hitz ezezagunek ere tratamendu berezia behar dute. Hain zuzen ere, Elebila gai da hitz ezezagunen lema lortu eta deklinabide-kasu egokiak aplikatzeko. Lema lortutakoan alderantzizko prozesua jartzen da martxan, flexioak lortzeko. Flexio horiek erabiliz erabiltzailearen bilaketa berridazten da. Berridazketa egitean, kontuan hartzen da azpitik erabiltzen dugun Live bilatzailearen mugak zein diren, galdera optimoa lortu ahal izateko. Berridatzitako galderari aurreko atalean azaldutako iragazkiak aplikatzen zaizkio, erabiltzaileari emaitza erakutsi aurretik.

Elebilak Elhuyar Fundazioko I+G sailak garatutako teknologia du oinarri, CorpEusek erabiltzen duen bera. Erabilitako teknologia hori iNEWS 07 (Improving Non-English Web Searching) eta WAC3 (Web As Corpus) nazioarteko kongresuetan aurkeztu da, bi artikulurekin: EusBila, a search service designed for the agglutinative nature of Basque eta CorpEus, a 'web as corpus' tool designed for the agglutinative nature of Basque. Oso harrera ona izan dute, eta erabilitako metodologia beste hizkuntza batzuentzat baliagarri izan daitekeela aipatu da.