Tutkimme ennalta tuntemattomien kielten kohtaamista tekstin kielentunnistuksessa. Kielentunnistimet perustavat ennusteensa rajalliselle määrälle erikielisiä harjoituskorpuksia. Nykyiset menetelmät valitsevat tunnistettavalle tekstille yhden valikoimansa kielistä. Jos ne kohtaavat tekstin, joka on kirjoitettu niille tuntemattomalla kielellä, ne merkitsevät sen sillä kielellä, jota pitävät oman algoritminsa mukaan lähimpänä. Tulokset voivat vaihdella käytännössä täysin satunnaisesta kielestä siihen, että tunnistettu kieli on todellisen kielen lähisukulainen. Tuntemattomien kielten käsittely miellettiin ongelmaksi jo vuonna 2006, mutta siihen ei edelleenkään ole varsinaisia ratkaisuja. Olemme koonneet kansainvälisen ryhmän, jonka kanssa käymme läpi tapaustutkimuksia, joissa tuntemattomat kielet aiheuttavat käytännön ongelmia tutkijoille tai heidän luomiensa kieliresurssien käyttäjille. Hankkeessa parannamme ymmärrystä itse ilmiöstä ja kehitämme sen käsittelyssä käytettäviä menetelmiä.

2025

2029