Neuronale Netze und regelbasierte Methoden für die Part-of-Speech-Tagging

Die Anh ufung von Informationen in diesem elektronischen Zeitalter nimmt rapide zu. Dennoch verf gen wir nur ber sehr wenige intelligente Werkzeuge, die dem Einzelnen helfen, diese riesigen Informationsmengen zu verwalten. Die Forschung im Bereich der nat rlichen Sprachverarbeitung befasst sich intensiv mit diesem Problem und versucht, Systeme zu entwickeln, die nat rliche Sprachen verstehen k nnen. Die Part-of-Speech-Tagging ist ein Versuch, menschliche Sprachen zu verstehen. Dabei wird einem Wort eine Kategorie zugeordnet, die die Rolle des Wortes in einem bestimmten Kontext angibt. Es gibt viele POS-Tagger f r viele Sprachen, aber nicht f r die amharische Sprache. Diese Studie schl gt eine hybride Methode aus einem neuronalen Netzwerk und einem regelbasierten Ansatz f r die Tagging von amharischen W rtern vor. Diese Methode basiert also zun chst auf einem neuronalen Netzwerk, und Anomalien werden dann durch einen regelbasierten Ansatz korrigiert. F r die Entwicklung des Amharisch-Taggers werden der Backpropagation-Algorithmus und die transformationsbasierte Lernmethode verwendet. Der Aufbau des Taggers mit einem hybriden Ansatz kann die Leistung des Taggers verbessern. Zur Bewertung der vorgeschlagenen Methode wurden eine Reihe von Experimenten durchgef hrt. Wir glauben, dass diese Arbeit als Rahmen f r die Entwicklung eines POS-Taggers f r jede Sprache mit einer besseren Effizienz dienen wird.