Aan het begin van zijn promotieonderzoek ontdekte Djoerd Hiemstra dat kansmodellen die allang gebruikt werden voor computertoepassingen met spraakherkenning, verrassend goed bleken te werken voor het doorzoeken van informatie op het Internet. De gangbare Internet zoekmethoden werken met het zoeken van woorden waarna een 'ervaringsalgoritme' een bepaald gewicht toekent aan de gevonden tekst en deze dan vervolgens boven- of onderaan de lijst zet.
Hiemstra: 'Deze algoritmen, zoals bijvoorbeeld gebruikt in Alta Vista, zijn in de loop van de tijd sterk geÙvolueerd en verfijnd. Mijn methode werkt met het vergelijken van kansen. Het bleek dat ik de resultaten van de gangbare algoritmen al snel bijhaalde of soms zelfs kon inhalen. Iemand zal dat toch al wel eens bedacht hebben, dacht ik. Maar dat bleek niet zo te zijn.'
Wel bleken toevallig vrijwel gelijktijdig, en onafhankelijk van Hiemstra, nog twee andere onderzoekers te zijn begonnen met vergelijkbare zoekmethoden volgens kansmodellen. Inmiddels is het gebruik ervan een 'hot item' geworden. Er wordt wereldwijd druk gewerkt aan deze modellen die ook goed bruikbaar zijn voor crosslanguage toepassingen waarin activiteiten van vertalen en zoeken zijn ge´ntegreerd. Hiermee is het mogelijk om in ÚÚn taal zoektermen op te geven waarna het zoekprogramma meteen anderstalige documenten doorzoekt.
Het werk van Hiemstra trok in 1998 al internationale aandacht toen zijn algoritme hoog scoorde op de Text Retrieval Conference (TREC) in Gaithersburg (VS). Daar treffen jaarlijks zo'n vijftig onderzoeksgroepen elkaar en vergelijken elkaars zoekprogramma's. Dat van Hiemstra stond meteen bij de wereldtop. Geen wonder dat professor Stephen Robertson, deeltijdhoogleraar aan de City University in London, wel deel wilde uitmaken van zijn promotiecommissie die onder leiding staat van promotor prof. dr. Franciska de Jong van Taaltechnologie.
Hiemstra werkte drie maanden bij Microsoft Research waar Robertson een leidinggevende functie bekleedt. 'Men is daar veel opener dan ik had verwacht,' zegt Hiemstra. 'Er worden openbare praatjes gehouden en er heerst een academische sfeer waarbij iedereen vrij informatie met elkaar uitwisselt. Het was erg interessant om een tijd mee te draaien. Trouwens ben ik helemaal niet zo'n Microsoft adept want zelf werk ik op een Sun Station.'
Donderdag 18 januari, de dag voor Hiemstra's promotie, vindt er op de UT een workshop plaats onder leiding van Robertsen waarbij ruim veertig deelnemers aanwezig zullen zijn. Zij komen ondermeervan de universiteiten in Nijmegen en Maastricht. Het is de tweede dutch information retrieval workshop. In Nederland is een netwerk ontstaan na de eerste workshop, vorig jaar in Maastricht.
Hiemstra: 'De Europese Unie stimuleert dit onderzoeksgebied. Mijn promotieonderzoek maakte deel uit van een EU-project waarin ik samenwerkte met Wessel Kraaij van TNO. Nu staan er weer drie onderzoeksprojecten op stapel waaraan de UT meewerkt. Bij het project Echo staat spraakherkenning centraal. Bij het project Mumis worden als onderzoeksdomein voetbalwedstrijden doorzocht waarbij spraak, ondertiteling en verslagen tegelijkertijd een rol spelen. In Druid - een groot project waarvan het Telematica Instituut de trekker is - gaat het om het ontsluiten van informatie waarbij spraak- en beeldelementen op ge´ntegreerde wijze voorkomen.'
Hiemstra blijft in ieder geval nog een jaar werken bij de Parlevink Language Engineering groep waarvan de CTIT-groepen Taaltechnologie van prof. dr. Franciska de Jong en Mens-Machine Interactie van prof. dr. ir. Anton Nijholt deel uitmaken. 'Het zou interessant zijn om de zoekmethode verder uit te werken. De positie van de woorden in de zin en het toepassen van bestaande taalkennis - zoals het herkennen van zelfstandige naamwoorden - zouden de resultaten nog flink kunnen verbeteren.'
EVH
