Redigerer Dependensparsing (avsnitt)

=== Verktøy ===

Det finnes en rekke tilgjengelige modeller for dependensparsing på internett. Blant disse har vi:
* [https://nlp.stanford.edu/software/nndep.shtml Stanford Neural Network Dependency Parser]
* [http://www.maltparser.org/ MaltParser] 
* [http://ufal.mff.cuni.cz/udpipe UDPipe]
* [http://www.ims.uni-stuttgart.de/forschung/ressourcen/werkzeuge/imstrans.en.html IMStrans]
* [http://turkunlp.github.io/Finnish-dep-parser/ TurkuNLP]
* [http://www.seas.upenn.edu/~strctlrn/MSTParser/MSTParser.html MSTParser] {{Wayback|url=http://www.seas.upenn.edu/~strctlrn/MSTParser/MSTParser.html |date=20171123103315 }}
Python-biblioteket [https://spacy.io/ spaCy] har også støtte for [https://spacy.io/usage/linguistic-features#dependency-parse dependensparsing] samt visualisering av resulterende trær.

Disse verktøyene tar i bruk data- og regelbaserte metoder, og de datadrevne verktøyene vil vanligvis bestå av tre ting: en formell modell som beskriver hva vi godtar eller gir betydning i dependensanalysen, en mengde annotert tekst og en metode for å indusere den faktiske analysen. Prosessen vil da være at vi trener en modell på de annoterte tekstene, gjerne en trebank med dependensannotasjoner og for eksempel PoS-tagger som også ofte er brukt sammen; når vi har en modell som er trent er vi klare for induksjon og den faktiske analysen.