Nynodata AS har utvikla et system for temasøk på norsk, på tvers av de to målformene bokmål og nynorsk. Det inkluderer parallellsøk (søk etter parallelle ord på den andre målforma), bøyingsformer og synonymer. Synonymer er ord med samme eller liknende mening.

Problemet

Når en søker på Internett eller intranett, er det for å finne informasjon om et tema. Dette er ikke alltid like lett. Ofte finner en ikke det en leter etter, og ofte får en mange treff med lite relevant stoff.
De fleste søkemotorene i dag er bygd opp rundt nøkkelord som blir indekserte. Orda blir henta fra ulike steder på heimesidene, som tittel, metatekst (skjult tekst med informasjon om dokumentet) og selve brødteksten. Når du taster inn søkeordet, får du tilbake ei liste over tekster der ordet finnes. Noen motorer kan også finne tekster med bøyingsformer av søkeordet. Men prinsippet er det samme, det er bare tekster med søkeordet som vises.
Derfor finner du ikke tekster som har brukt andre ord for det temaet du søker etter. Søker du etter høyskole og teksten bruker høgskole, finner du den ikke. Du finner heller ikke tekster på nynorsk når du taster inn et rent bokmålsord, eller tekster på bokmål når du søker med bare nynorskord.

Løsninga

Nynodata sitt søkesystem omarbeider søkebegrepet på ulike måter før det sendes inn til søkemotoren. Vi utvider søket med aktuelle tilleggsord, slik at det langt på vei blir et norsk temasøk på tvers av målformene. Teknologien kan også inkludere andre språk. I versjon 1 har vi tatt med dette:

• Nære synonymer. Dette er ord som praktisk talt er identiske, men på grunn av de mange valgfrie formene på norsk, kan de skrives ulikt. Eksempel er boksmålsordet høyskole, som gir synonymet høgskole. Nynorsk oversettelse blir høgskole med synonymet høgskule. Den samla konverteringa av søkeordet høyskole blir slik i temasøket: høyskole OR høgskole OR høgskule. Et eksempel til: Ordet ansikt har både på bokmål og nynorsk synonymet andlet. Søker vi etter ansikt, blir dette konvertert til ansikt OR andlet.
• Generelle synonymer. Dette er ord som i visse sammenhenger har samme tematiske innhold som søkeordet, men som ikke alltid betyr det samme. Dersom søk etter tematisk innhold er det viktigste, kan disse tilleggsorda styrke treffmengda vesentlig. Vi har likevel valgt å ikke inkludere generelle synonymer i basisfunksjonene, fordi det fort gir ei overgenerering som inkluderer irrelevante tekster. Generelle synonymer kommer derfor opp når resultatet blir vist, som tips til eventuelt å omarbeide søket.
• Oversettelse. Vi har med oversettelse mellom bokmål og nynorsk, begge veier. Hvis du skriver inn ikkespredningsavtale, blir dette oversatt til ikkjespreiingsavtale. Det komplette søkebegrepet blir ikkespredningsavtale OR ikkjespreiingsavtale. I resultatet kommer det opp dokument der enten bokmålsforma eller nynorskforma finnes.
• Bøying. Valgfriheten i skrivemåte på bokmål og nynorsk gjelder ikke bare ord, men også bøying. Dersom vi søker etter ordet arbeidsboken, vil mange søkemotorer ikke finne dokument med forma arbeidsboka, eller motsatt. Vårt temasøk finner fram til alternative bøyingsformer og inkluderer dem i søket. Alle bøyingsformer av et ord er i prinsippet tilgjengelig, men i basisversjonen er de mest relevante valgt ut som ei avgrensing.