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

Die Anhäufung von Informationen in diesem elektronischen Zeitalter nimmt rapide zu. Dennoch verfügen wir nur über sehr wenige intelligente Werkzeuge, die dem Einzelnen helfen, diese riesigen Informationsmengen zu verwalten. Die Forschung im Bereich der natürlichen Sprachverarbeitung befasst sich intensiv mit diesem Problem und versucht, Systeme zu entwickeln, die natürliche Sprachen verstehen können. 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 für viele Sprachen, aber nicht für die amharische Sprache. Diese Studie schlägt eine hybride Methode aus einem neuronalen Netzwerk und einem regelbasierten Ansatz für die Tagging von amharischen Wörtern vor. Diese Methode basiert also zunächst auf einem neuronalen Netzwerk, und Anomalien werden dann durch einen regelbasierten Ansatz korrigiert. Für 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 durchgeführt. Wir glauben, dass diese Arbeit als Rahmen für die Entwicklung eines POS-Taggers für jede Sprache mit einer besseren Effizienz dienen wird.

Autorentext

Solomon A. Kidanu uzyskä tytu licencjata w dziedzinie systemów informatycznych oraz tytu magistra informatyki na Uniwersytecie w Addis Abebie w Etiopii, odpowiednio w 2004 i 2008 roku. Od 2009 roku jest wyk adowc na Wydziale Informatyki Uniwersytetu w Addis Abebie. Obecnie jest doktorantem na Université de Pau et des pays l'Adour (UPPA) we Francji.