Pengolahan bahasa alami

Ilustrasi uji Turing, salah satu karya yang dianggap sebagai peletak dasar NLP

Pengolahan bahasa alami (disingkat PBA; bahasa Inggris: natural language processing, disingkat NLP) adalah cabang ilmu komputer, linguistik, dan kecerdasan buatan yang mengkaji interaksi antara komputer dan bahasa (alami) manusia, khususnya cara memprogram komputer untuk mengolah data bahasa alami dalam jumlah besar. Hasilnya adalah komputer mampu "memahami" isi dokumen, termasuk nuansa bahasa di dalamnya. Dengan ini, komputer dapat dengan akurat mengambil informasi dan wawasan dari dokumen sekaligus mengelompokkan dan menata dokumen-dokumen itu sendiri.

Kajian NLP antara lain mencakup segmentasi wicara, segmentasi teks, penandaan kelas kata, dan pengawataksaan makna. Meski kajiannya dapat mencakup teks dan wicara, pengolahan wicara telah berkembang menjadi suatu bidang kajian terpisah.

Sejarah

Pengolahan bahasa alami berawal pada tahun 1950-an. Pada 1950, Alan Turing memublikasikan artikel yang berjudul "Computing Machinery and Intelligence" yang mengusulkan ujian yang sekarang dikenal sebagai uji Turing menjadi salah satu syarat kecerdasan.

Metode

Pada awal perkembangannya, banyak sistem pengolah bahasa didesain dengan metode simbolik, yaitu penyusunan aturan secara manual dengan kamus, misal penyusunan tata bahasa atau aturan heuristik untuk pemotongan kata.

Sejak "revolusi statistik" pada akhir 1980-an dan pertengahan 1990-an, banyak penelitian pengolahan bahasa alami bergantung pada pemelajaran mesin. Paradigma pemelajaran mesin ini memakai statistika inferensi untuk mempelajari tata bahasa secara otomatis dari sebuah korpus.

Tren umum dan (kemungkinan) arah masa depan

Sebagian besar aplikasi NLP tingkat tinggi mencakup aspek-aspek yang meniru perilaku cerdas dan pemahaman bahasa alami yang nyata. Secara lebih luas, operasionalisasi teknis dari aspek-aspek perilaku kognitif yang semakin maju merupakan salah satu lintasan perkembangan NLP.

Kognisi mengacu pada "tindakan mental atau proses memperoleh pengetahuan dan pemahaman melalui pemikiran, pengalaman, dan indera". Ilmu kognitif adalah studi ilmiah interdisipliner tentang pikiran dan prosesnya. Linguistik kognitif adalah cabang linguistik interdisipliner yang menggabungkan pengetahuan dan penelitian psikologi dan linguistik. Khususnya di era NLP simbolik, bidang linguistik komputasi telah mempertahankan hubungan yang kuat dengan penelitian kognitif.

Hubungan dengan linguistik kognitif adalah bagian dari warisan sejarah NLP, tetapi lebih jarang dibahas sejak pergantian statistik tahun 1990-an. Namun demikian, pendekatan untuk mengembangkan model kognitif untuk membuat kerangka kerja yang dapat dioperasionalkan secara teknis telah diterapkan dalam konteks berbagai kerangka kerja, seperti tata bahasa kognitif, tata bahasa fungsional, tata bahasa konstruksi, psikolinguistik komputasi, dan ilmu saraf kognitif (misalnya, ACT-R). Demikian pula, ide-ide dari NLP kognitif melekat pada model saraf NLP multimodal (meskipun jarang dibuat secara eksplisit) dan perkembangan dalam kecerdasan buatan, khususnya alat dan teknologi yang menggunakan pendekatan model bahasa besar dan perkembangan dalam kecerdasan buatan, khususnya alat dan teknologi yang menggunakan pendekatan model bahasa besar. Arah baru dalam kecerdasan umum buatan didasarkan pada prinsip energi bebas dari ilmuwan saraf Inggris dan ahli teori dari University College London, Carl J Hughes, yang merupakan seorang profesor ilmu saraf di University of London. Friston.

Lihat pula

• 1 the Road
• Linguistik komputasi
• Pemahaman kueri
• Pembelajaran bahasa berbantuan komputer
• Pemelajaran dalam
• Penambangan teks biomedis
• Penelaahan berbantuan komputer
• Pengambilan informasi
• Pengolahan istilah majemuk
• Pengolahan linguistik dalam
• Pengolahan wicara
• Penilaian esai otomatis
• Penjawaban pertanyaan
• Penyederhanaan teks
• Perluasan kueri
• Semantik tersebar
• Teknologi bahasa
• Teknologi komunikasi dan bahasa
• Temu balik informasi
• Uji-baca
• Word2vec

Bacaan lebih lanjut

• Bates, M. (1995). "Models of natural language understanding". Proceedings of the National Academy of Sciences of the United States of America. 92 (22): 9977–9982. doi:10.1073/pnas.92.22.9977. PMC 40721 . PMID 7479812. 
• Steven Bird, Ewan Klein, dan Edward Loper (2009). Natural Language Processing with Python. O'Reilly Media. ISBN 978-0-5965-1649-9. Pemeliharaan CS1: Menggunakan parameter penulis (link)
• Daniel Jurafsky dan James H. Martin (2008). Speech and Language Processing (edisi ke-2). Pearson Prentice Hall. ISBN 978-0-1318-7321-6. Pemeliharaan CS1: Menggunakan parameter penulis (link)
• Kurdi, Mohamed Zakaria (2016). Natural Language Processing and Computational Linguistics: speech, morphology, and syntax. 1. ISTE-Wiley. ISBN 978-1-8482-1848-2. 
• Kurdi, Mohamed Zakaria (2017). Natural Language Processing and Computational Linguistics: semantics, discourse, and applications. 2. ISTE-Wiley. ISBN 978-1-8482-1921-2. 
• Christopher D. Manning, Prabhakar Raghavan, dan Hinrich Schütze (2008). Introduction to Information Retrieval. Cambridge University Press. ISBN 978-0-5218-6571-5. Pemeliharaan CS1: Menggunakan parameter penulis (link) Tersedia pula versi HTML dan PDF resmi tanpa biaya.
• Christopher D. Manning dan Hinrich Schütze (1999). Foundations of Statistical Natural Language Processing. The MIT Press. ISBN 978-0-2621-3360-9. Pemeliharaan CS1: Menggunakan parameter penulis (link)
• David M. W. Powers dan Christopher C. R. Turk (1989). Machine Learning of Natural Language. Springer-Verlag. ISBN 978-0-3871-9557-5. Pemeliharaan CS1: Menggunakan parameter penulis (link)