Hvad betyder Natural language processing?
Natural language processing, forkortet NLP, er arbejdet med at behandle menneskeligt sprog med computere. Det omfatter langt mere end chatbots. Et system, der finder fakturanumre i mails, sorterer henvendelser eller genkender navne i dokumenter, løser også en sproglig opgave.
Sprog indeholder variation, tvetydighed og kontekst. Den samme sætning kan betyde noget forskelligt afhængigt af et tidligere spørgsmål, og et kort ord kan være både et navn og et almindeligt substantiv. Derfor kræver en praktisk NLP-løsning en tydelig opgave og et grundlag for at kontrollere resultatet.
Metoderne spænder fra regler og ordlister til statistiske modeller og store sprogmodeller. Valget bør følge arbejdsgangen. Et stabilt ordrenummerformat kan ofte findes med en enkel regel, mens en fri beskrivelse af et teknisk problem kan kræve en mere fleksibel model.
Beskriv outputtet før teknologien vælges
Afgør, om systemet skal returnere en kategori, et tekstuddrag, et struktureret felt eller et nyt svar. Angiv sprog, dokumenttyper og situationer, hvor det skal bede om hjælp. Hvis opgaven er at finde en dato, skal det også være klart, hvilken dato der menes: bestilling, levering eller forfald. Denne afklaring kan være vigtigere end modelvalget, fordi et teknisk korrekt fund ellers kan blive brugt forkert i arbejdsgangen.
Se sprogarbejdet som flere kontrollerbare trin
Et dokumentforløb kan bestå af parsing, opdeling, genkendelse af felter, klassifikation og til sidst et resumé. Fejl tidligt i kæden kan se ud som en model, der ikke forstår dansk, selv om problemet er en forkert læserækkefølge i PDF’en. Test derfor de væsentlige trin hver for sig og samlet. Brug eksempler fra jeres faktiske sproglige variation, herunder forkortelser, fagord og blanding af dansk og engelsk.
Et eksempel fra praksis
Illustrativt eksempel: En ejendomsservice modtager fritekst om vedligeholdelse. Første trin finder adresse og kontaktoplysninger, næste trin foreslår en opgavetype, og et sidste trin laver et kort arbejdsudkast. Ved uklare beskrivelser skal systemet markere behov for afklaring. Teamet tester hvert trin, så en forkert adresse ikke skjules bag et velformuleret resumé. Medarbejderen kan se de originale tekststeder, der ligger bag de vigtigste felter.
Typiske faldgruber
- At købe en generel chatbot uden at definere den sproglige opgave.
- At måle kun på grammatisk pæne svar frem for korrekt arbejdsresultat.
- At overse danske fagord, forkortelser og dokumenternes struktur.
Det skal I afklare
- Definér forventet output og relevante fejltyper.
- Vælg metode efter opgaven, fra regler til modeller.
- Test på repræsentative tekster med kontrollerbare kilder.
Spørgsmål og svar
Er NLP og LLM det samme?
Nej. NLP er et fagområde med mange opgaver og metoder. En stor sprogmodel er én type model, som kan bruges til flere af disse opgaver.
Kræver alle NLP-opgaver generativ AI?
Nej. Regler, mindre klassifikationsmodeller og specialiserede værktøjer kan være passende. Sammenlign kvalitet, drift og kontrolbehov før I vælger løsning.
Kilder og videre læsning
De tekniske begreber bygger på nedenstående kilder. Eksemplerne er illustrative og viser, hvordan I kan arbejde med emnet.
- spaCy: Linguistic Features ↗Primærkilde gennemgået 7. september 2026.
- Jurafsky og Martin: Speech and Language Processing ↗Primærkilde gennemgået 7. september 2026.