Onze Taal. Jaargang 57

[p. 136]

Automatische correctie van spelling
Koenraad De Smedt - Psychologisch Laboratorium, Kath. Universiteit Nijmegen

Steeds meer fabrikanten van systemen voor tekstverwerking leveren nu ook programmatuur voor correctie van tik- en spelfouten. Terwijl dit in het Engels al bijna een gewone zaak is, zijn programma's voor het Nederlands nog schaars. Geen enkel ons bekend commercieel programma corrigeert spelfouten in het Nederlands op een manier die rekening houdt met het zinsverband. De afdeling Taalpsychologie van de K.U. Nijmegen probeert in deze leemte te voorzien. Nijmeegse onderzoekers ontwikkelen thans een programma met een Nederlandstalige auteursomgeving die tot doel heeft een auteur te ondersteunen bij het schrijven van een tekst. Een van de taken van zo'n auteursomgeving is het controleren, en desgewenst corrigeren, van de spelling.

Controle is geen luxe

Het gebruik van een tekstverwerker kan gemakkelijk tot fouten leiden. Foute aanslagen veroorzaken typografische fouten (tikfouten), net als bij het gebruik van de mechanische schrijfmachine. Maar een tekstverwerker verschilt hierin van een schrijfmachine, dat de schrijver een reeds geschreven tekst gemakkelijk kan reviseren door op willekeurige plaatsen tekst toe te voegen of weg te halen. Dit kan onder meer leiden tot incongruenties, bijvoorbeeld wanneer de schrijver een enkelvoudig onderwerp verandert in een meervoudig en daarbij vergeet om het werkwoord aan te passen. Controle op zowel woordniveau als zinsniveau is daarom geen overdreven luxe.

Daarnaast zijn er fouten die ontstaan door een gebrek aan taalkennis: de orthografische fouten (spelfouten). In tegenstelling tot typografische fouten leveren zij meestal homofone varianten van het bedoelde woord op. Indien zo'n variant niet tot een bestaand woord leidt (bijvoorbeeld spelfaut) dan wordt de fout gemakkelijk gevonden. Wanneer echter een bestaand woord verkeerd wordt gebruikt - en dat is vaak bij d/t-fouten het geval (bijvoorbeeld zij is verandert) - dan is de detectie en correctie van de fout alleen mogelijk met behulp van kennis van de zinsstructuur.

Zinsontleding

In het opgezette programma wordt elke zin syntactisch ontleed. Dat duurt één seconde per woord. Als er fouten zijn geconstateerd, geeft het systeem behalve een diagnose ook nog een suggestie voor een mogelijke correctie. De grammaticale controle is voorlopig nog beperkt tot fouten te- gen de congruentie. Hieronder vallen niet alleen de bekende d/t-fouten, bijvoorbeeld ik wordt, maar ook incongruenties van geslacht en getal, bijvoorbeeld de venster, en de minister hebben besloten.

Het gebruikte programma voor zinsontleding is bijzonder omdat het in geval van fouten toch hypothesen kan maken over een mogelijke ontleding. Naarmate een zin meer verminkt is door onbestaande woorden en incongruenties, wordt het uiteraard moeilijker om nog een ontleding te vinden. De huidige versie van de ontleder is overigens nog lang niet volmaakt en produceert soms een loos alarm of een misser.

Voorkeurspelling herkennen

De woordherkenner in het systeem vergelijkt een onbestaand woord met bestaande woorden onder meer op klankgelijkenis. Daardoor kunnen zelfs van zeer afwijkende spellingen, bijvoorbeeld odeklonje, de aanvaarde spellingen worden teruggevonden. De verbetering van een onbestaand woord gebeurt in samenwerking met de zinsontleding: wanneer bijvoorbeeld het onbestaande woord zent de plaats inneemt van de persoonsvorm, dan geeft het programma, afhankelijk van het syntactisch onderwerp, een suggestie: zend of zendt.

Door in het lexicon alleen de voorkeurspelling op te nemen kan de woordherkenner gebruikt worden om in een document een consistent gebruik van de voorkeurspelling te bevorderen. Op deze manier kan men vermijden dat in hetzelfde document bijvoorbeeld aktief naast actief voorkomt, of dat verscheidene auteurs die samen een boek over jioe-jitsoe schrij-ven een verschillende spelling hanteren.

Een bijkomende mogelijkheid is om eigennamen en plaatsnamen, in het bijzonder transliteraties uit vreemde talen, te laten controleren op de meest aanvaarde Nederlandse spelling. Bij probleemgevallen zoals Chroesjtsjov en Kuala Lumpur, waarbij ook de beginletters vaak verkeerd worden geschreven, biedt automatische correctie voordelen boven het met de hand opzoeken in een papieren encyclopedie.

Samenstellingen

In tegenstelling tot het Engels bieden talen als het Nederlands en het Duits nogal wat mogelijkheden tot het maken van nieuwe samenstellingen. Deze mogelijkheden worden vaak volledig over het hoofd gezien wanneer controlestrategieën voor het Engels zonder meer worden toegepast op het Nederlands. Het resultaat is dat nieuwe samenstellingen zoals taaltechnologie, die niet als ingang in het taal-lexicon zijn opgenomen, niet als Nederlandse woorden herkend worden en dus als mogelijke spelfouten worden behandeld. Aan onze afdeling is daarom een woordontleder ontwikkeld die speciaal is gericht op het herkennen van samenstellingen.

Een bijzonder moeilijk probleem is het herkennen van orthografische en typografische fouten in zulke nieuwe samenstellingen, bijvoorbeeld taal-techonlogie. Omdat de woordherkenner dit woord niet kan opdelen, zal het als foutief worden herkend, maar het is niet zo eenvoudig om een algemene strategie op te stellen die kan bepalen waar de fout precies zit.

Ook onjuiste samenvoegingen van woorden, bijvoorbeeld hetwoord, vormen nog een probleem.

Buiten schot

Onze ervaringen in het domein van de taaltechnologie laten zien dat met behulp van niet al te ingewikkelde technieken van woordherkenning, woordontleding en zinsontleding betrouwbare programma's voor het opsporen en corrigeren van spelfouten mogelijk zijn. Toch blijven sommige typen van fouten buiten schot, bijvoorbeeld fouten die lijden tot een bestaand woord dat óók nog goed in het syntactisch verband past. De voorgaande zin laat een berucht voorbeeld daarvan zien.