ใน ทางภาษาศาสตร์การหาคำหลัก (หรือเรียกอีกอย่างว่าlemmatisation ) คือกระบวนการจัดกลุ่มรูปแบบที่ผันคำเข้าด้วยกันเพื่อให้สามารถวิเคราะห์เป็นรายการเดียวได้ โดยระบุจากคำหลักหรือรูปแบบพจนานุกรม ของคำนั้น ^{[ 1 ]}

ในภาษาศาสตร์เชิงคำนวณการหาคำหลัก (lemmatization) คือกระบวนการทางอัลกอริทึมในการกำหนดคำหลักของคำโดยพิจารณาจากความหมายที่ตั้งใจไว้ แตกต่างจากการหารากศัพท์ (stemming ) การหาคำหลักขึ้นอยู่กับการระบุส่วนของคำพูดและความหมายที่ตั้งใจไว้ของคำในประโยคอย่างถูกต้อง รวมถึงในบริบท ที่กว้างขึ้น โดยรอบประโยคนั้น เช่น ประโยคข้างเคียง หรือแม้แต่เอกสารทั้งหมด ดังนั้น การพัฒนาอัลกอริทึมการหาคำหลักที่มีประสิทธิภาพจึงเป็นหัวข้อการวิจัยที่เปิดกว้าง^{[ 2 ] [ 3 ] [ 4 ]}

ในหลายภาษา คำต่างๆ มักปรากฏใน รูป ผัน หลาย แบบ ตัวอย่างเช่น ในภาษาอังกฤษ คำกริยา 'เดิน' อาจปรากฏในรูป 'เดิน', 'เดินแล้ว', 'เดินหลายรอบ' หรือ 'กำลังเดิน' รูปพื้นฐาน 'เดิน' ที่เราอาจค้นหาความหมายในพจนานุกรม เรียกว่าคำหลัก (lemma)ของคำนั้น ส่วนความสัมพันธ์ระหว่างรูปพื้นฐานกับชนิดของคำ มักเรียกว่าหน่วยคำ (lexeme ) ของคำนั้น

การหาคำหลักมีความเกี่ยวข้องอย่างใกล้ชิดกับการหาคำหลักความแตกต่างคือ การหาคำหลักจะทำงานกับคำเดียวโดยไม่ทราบบริบท ดังนั้นจึงไม่สามารถแยกแยะคำที่มีความหมายต่างกันตามส่วนของคำพูดได้ อย่างไรก็ตาม การหาคำหลักมักจะง่ายต่อการใช้งานและทำงานได้เร็วกว่า ความแม่นยำที่ลดลงอาจไม่สำคัญสำหรับบางแอปพลิเคชัน อันที่จริง เมื่อใช้ภายในระบบการค้นหาข้อมูล การหาคำหลักจะช่วยปรับปรุงความแม่นยำในการเรียกคืน คำค้นหา หรืออัตราการตรวจพบที่ถูกต้อง เมื่อเทียบกับการหาคำหลัก อย่างไรก็ตาม การหาคำหลักจะลดความแม่นยำหรือสัดส่วนของอินสแตนซ์ที่ติดป้ายกำกับเป็นบวกที่เป็นบวกจริง สำหรับระบบดังกล่าว^{[ 5 ]}

ตัวอย่างเช่น:

1. คำว่า "better" มีคำว่า "good" เป็นคำหลัก การตัดคำโดยใช้รากศัพท์จะมองข้ามความเชื่อมโยงนี้ไป เพราะต้องอาศัยการค้นหาความหมายในพจนานุกรม
2. คำว่า "walk" เป็นคำหลักของคำว่า "walking" ดังนั้นจึงตรงกันทั้งในกระบวนการสร้างคำหลักและการหาคำหลักเฉพาะคำ
3. คำว่า "meeting" สามารถเป็นได้ทั้งรูปพื้นฐานของคำนามหรือรูปของคำกริยา ("to meet") ขึ้นอยู่กับบริบท เช่น "in our last meeting" หรือ "We are meeting again tomorrow" ซึ่งแตกต่างจากการตัดคำตามรากศัพท์ (stemming) ตรงที่การหาคำหลัก (lemmatization) พยายามเลือกคำหลักที่ถูกต้องตามบริบท

ซอฟต์แวร์จัดทำดัชนีเอกสารเช่นLucene ^{[ 6 ]}สามารถจัดเก็บรูปแบบรากศัพท์พื้นฐานของคำโดยไม่จำเป็นต้องรู้ความหมาย แต่จะพิจารณาเฉพาะกฎไวยากรณ์การสร้างคำเท่านั้น คำที่ตัดรากศัพท์แล้วอาจไม่ใช่คำที่ถูกต้อง: 'lazy' ดังที่เห็นในตัวอย่างด้านล่าง ถูกตัดรากศัพท์โดยโปรแกรมตัดรากศัพท์หลายตัวเป็น 'lazi' นี่เป็นเพราะจุดประสงค์ของการตัดรากศัพท์ไม่ใช่เพื่อสร้างคำหลักที่เหมาะสม ซึ่งเป็นงานที่ท้าทายกว่าที่ต้องอาศัยความรู้เกี่ยวกับบริบท จุดประสงค์หลักของการตัดรากศัพท์คือการแมปรูปแบบต่างๆ ของคำไปยังรูปแบบเดียว^{[ 7 ]}ในฐานะอัลกอริทึมที่ใช้กฎ ซึ่งขึ้นอยู่กับการสะกดคำเท่านั้น มันจึงเสียสละความแม่นยำเพื่อให้แน่ใจว่า ตัวอย่างเช่น เมื่อ 'laziness' ถูกตัดรากศัพท์เป็น 'lazi' มันจะมีรากศัพท์เดียวกันกับ 'lazy'

วิธีที่ง่ายที่สุดในการหาคำหลัก (lemmatization) คือการค้นหาในพจนานุกรม วิธีนี้ใช้ได้ดีกับคำที่มีการผันคำแบบตรงไปตรงมา แต่ในกรณีอื่นๆ เช่น ในภาษาที่มีคำประสม ยาวๆ จะต้องใช้ ระบบที่ใช้กฎเกณฑ์ กฎเกณฑ์ดังกล่าวสามารถสร้างขึ้นด้วยมือหรือเรียนรู้โดยอัตโนมัติจากคลัง ข้อมูลที่มีการ ระบุ คำอธิบายประกอบ ก็ได้

การวิเคราะห์เชิงสัณฐานวิทยาของวรรณกรรมทางการแพทย์ที่ตีพิมพ์สามารถให้ผลลัพธ์ที่เป็นประโยชน์ได้ การประมวลผลเชิงสัณฐานวิทยาของข้อความทางการแพทย์จะมีประสิทธิภาพมากขึ้นด้วยโปรแกรมการหาคำหลักเฉพาะทางสำหรับการแพทย์ชีวภาพ และอาจปรับปรุงความแม่นยำของงานการสกัดข้อมูล เชิงปฏิบัติได้ ^{[ 8 ]}

• การทำให้ เป็นรูปแบบมาตรฐาน (Canonicalization)  – กระบวนการแปลงข้อมูลให้เป็นรูปแบบ "มาตรฐาน" "ปกติ" หรือรูปแบบมาตรฐาน

ลองค้นหาคำว่า lemmatizationใน Wiktionary ซึ่งเป็นพจนานุกรมฟรี