211service.com
AAD22L: svelato in Europa il rilevamento automatico degli acronimi in 22 lingue
Abbiamo tutti avuto l'esperienza di leggere un rapporto, un articolo scientifico o solo un lungo articolo di notizie rovinato da TMUA (Too Many Unnecessary Acronimi). L'autore introduce un acronimo nel primo paragrafo, altri nel secondo e nel terzo paragrafo che portano a un paragrafo finale che non è altro che una sequenza di lettere maiuscole incomprensibili.
Oggi abbiamo un aiuto grazie al lavoro di Maud Ehrmann dell'Università La Sapienza di Roma in Italia e alcuni amici che hanno sviluppato un analizzatore di testo che riconosce oltre 1 milione di acronimi in 22 lingue diverse. Il lavoro fa parte di uno sforzo più ampio per analizzare il contenuto delle notizie per tenere traccia della copertura mediatica di organizzazioni, aziende, governi e così via.
Il compito di individuare gli acronimi nel testo è relativamente semplice. Questi ragazzi hanno adattato un algoritmo originariamente sviluppato per individuare gli acronimi nei testi medici in inglese. Cerca le brevi espressioni maiuscole tra parentesi e presuppone che le parole immediatamente a sinistra delle parentesi siano l'espansione in forma lunga dell'acronimo.
L'algoritmo quindi filtra i risultati per rimuovere le sequenze di lettere che includono cose come simboli di valuta e uno spazio dopo la prima lettera e così via.
Ciò porta ad alcuni inevitabili problemi. Uno si verifica quando l'algoritmo non riconosce affatto l'acronimo. La ragione principale del mancato riconoscimento sono i casi in cui la forma breve dell'acronimo è in una lingua diversa dalla forma lunga, come nel tedesco Vereinigte Nationen (UNO), dove la forma lunga tedesca è seguita dalla forma breve inglese, ad esempio Ehrmann e co. (UNO sta per Organizzazione delle Nazioni Unite, più comunemente noto come ONU in inglese.
Un altro problema è quando l'algoritmo trova la versione lunga sbagliata di un acronimo. Un esempio di questo potrebbe essere Charles Otieno (CEO) e tende a presentarsi con acronimi generici che possono essere applicati a un gran numero di persone o organizzazioni.
Tuttavia, questi problemi sono minori e l'algoritmo generalmente funziona bene. Ehrmann e co affermano di trovare acronimi con una precisione superiore al 90% per tutte le 22 lingue testate, ad eccezione del francese (87%).
E ipotizzano che dovrebbe funzionare bene con qualsiasi lingua che utilizza il testo maiuscolo per rappresentare gli acronimi. Anche se sospettiamo che il metodo funzionerà bene con le lingue che utilizzano, ad esempio, gli alfabeti cirillico o greco, probabilmente non funzionerà bene con le lingue che utilizzano gli script arabi o ebraici perché questi non distinguono i casi, dicono.
Ehrmann e co hanno in programma di estendere ulteriormente il lavoro. Un'idea è trovare modi per collegare le lunghe forme di acronimi in diverse lingue. Un altro è trovare modi per riconoscere e comprendere automaticamente gli acronimi che non sono accompagnati dalla loro lunga espansione (un problema complicato anche per gli umani). Ciò potrebbe essere possibile scavando nel contesto locale alla ricerca di indizi, ma questo è un obiettivo ambizioso.
È interessante notare che tre dei quattro autori dietro questo lavoro si trovano presso il Centro comune di ricerca, il laboratorio di ricerca della Commissione europea in Belgio. La lingua è un problema significativo e costoso per la CE, l'organo esecutivo dell'Unione europea. Deve facilitare la comunicazione tra persone di 28 paesi che utilizzano 24 lingue ufficiali a un costo di circa 330 milioni di euro all'anno, ovvero circa 60 centesimi per ogni cittadino dell'UE.
Quindi c'è un notevole interesse ad automatizzare quanto più possibile. Gli acronimi sono piccoli ma utili primo passo.
Rif: arxiv.org/abs/1309.6185 : Riconoscimento ed elaborazione di acronimi in 22 lingue