Månadens profil: Ellinor Lindqvist

Hur får man modern språkteknologi att fungera på historiska texter? Det är en fråga som intresserar Ellinor Lindqvist, ny forskningsinfrastrukturspecialist på Språkbanken.

Vad gör du på jobbet?

– På Språkbanken deltar jag i arbetet med Svensk diakronisk trädbank, där vi just nu annoterar Markusevangeliet enligt Universal Dependencies-standarden. Jag har också blivit involverad i PARSEME, där vi arbetar med svenska flerordsuttryck och med att ta fram testdata.

Jag är intresserad av hur språkteknologi kan användas för att analysera historiska texter som är svåra att bearbeta automatiskt. I min avhandling Humble Pleas from the Archives: Automatic Analysis and Information Extraction from Historical Petitions fokuserade jag på automatisk analys av svenska suppliker, alltså böneskrifter, från 1700-talet. Materialet är intressant eftersom det kan ge information om vanliga människors liv och arbete. Yrkestitlar var ovanliga, särskilt på landbyggden och särskilt bland kvinnor, så om man bara söker efter sådana missar man mycket information. I stället kan man leta efter verbfraser som beskriver vad människor faktiskt gjorde – till exempel ”fiska strömming”.

Jag undersökte också supplikernas struktur. Supplikerna följde ofta en etablerad retorisk form som hjälpte den som framförde ärendet att göra sig hörd, med bland annat en formell inledning, en bakgrund, själva önskemålet och en avslutning. Jag prövade olika metoder för att automatiskt identifiera olika delar av texterna och använde allt från egenutvecklade metoder till stora språkmodeller.

Vilka utmaningar finns?

– Många moderna språkteknologiska verktyg är tränade på nutida språk. I historiska texter varierar stavningen mycket, och meningsbyggnaden och andra språkliga strukturer kan skilja sig från dagens svenska. Det kan till och med vara svårt för ett verktyg att avgöra var en mening börjar och slutar. En viktig utmaning är därför att utveckla och tillgängliggöra bra dataset för historiska texter, dels för att kunna studera hur språket har förändrats över tid, men också för att kunna träna och utvärdera teknologiska verktyg.

Vad driver dig?

– Jag tycker om att vara lite av en detektiv. Det handlar mycket om att lösa pussel: att förstå språket, materialet och tekniken och få alla bitar att fungera tillsammans. Jag gillar både att klura själv och att samarbeta med andra. Det tvärvetenskapliga är viktigt för mig. Jag vill gärna att det jag arbetar med ska landa i något konkret – infrastruktur, metoder eller verktyg som faktiskt kan hjälpa andra forskare.

Vad händer framöver?

– I höst ska jag åka på CLARIN-konferensen i Brighton. Jag har också nyligen gått med i CLARIN Legal and Ethical Issues Committee, CLIC, som arbetar med juridiska och etiska frågor kring forskningsdata. Hur kan vi använda och dela data på ett ansvarsfullt sätt? Vilka frågor behöver vi ta hänsyn till när det gäller till exempel upphovsrätt, integritet och etik? Det ska bli väldigt spännande.