Automatic part of speech tagging is

Automatic part of speech tagging is an area of natural language processing where statistical techniques have been more successful than rule-based methods. In this paper, we present a simple rule-based part of speech tagger which automatically acquires its rules and tags with accuracy comparable to stochastic taggers. The rule-based tagger has many advantages over these taggers, including: a vast reduction in stored information required, the perspicuity of a small set of meaningful rules, ease of finding and implementing improvements to the tagger, and better portability from one tag set, corpus genre or language to another. Perhaps the biggest contribution of this work is in demonstrating that the stochastic method is not the only viable method for part of speech tagging. The fact that a simple rule-based tagger that automatically learns its rules can perform so well should offer encouragement for researchers to further explore rule-based tagging, searching for a better and more expressive set of rule templates and other variations on the simple but effective theme described below.

ผลลัพธ์ (ไทย) 1:

อัตโนมัติส่วนของประโยคติดป้ายเป็นพื้นที่ของการประมวลผลภาษาธรรมชาติซึ่งเทคนิคทางสถิติได้ผลกว่าวิธีตามกฎ ในเอกสารนี้ เรานำ tagger ง่ายตามกฎเป็นส่วนหนึ่งของคำพูดซึ่งโดยอัตโนมัติได้ฝึกฝนกฎและแท็กที่ มีความแม่นยำเทียบเท่ากับ taggers แบบเฟ้นสุ่ม Tagger ตามกฎมีข้อดีหลายผ่าน taggers เหล่านี้ รวมทั้ง: เก็บข้อมูลลดความจำ เป็น perspicuity ชุดเล็กความหมายกฎ ความง่ายในการค้นหา และใช้ปรับปรุง tagger และตั้ง ค่าพอร์ตดีกว่าจากหนึ่งป้าย ประเภทคอร์พัสคริหรือภาษาอื่น บางทีส่วนที่ใหญ่ที่สุดของงานนี้ได้เห็นว่า วิธีการแบบเฟ้นสุ่มไม่วิธีการทำงานได้เฉพาะสำหรับติดป้ายของ ข้อเท็จจริงที่ tagger ง่ายที่ตามกฎซึ่งกฎของการเรียนรู้โดยอัตโนมัติสามารถทำได้ดี ควรให้กำลังใจให้กับนักวิจัยเพื่อสำรวจตามกฎการติดป้าย หาชุดที่ดี และสนิทมากยิ่งขึ้นของแม่แบบกฎและรูปแบบอื่น ๆ ในรูปแบบง่าย ๆ แต่มีประสิทธิภาพที่อธิบายไว้ด้านล่าง

ผลลัพธ์ (ไทย) 2:

ส่วนการติดแท็กอัตโนมัติของการพูดเป็นพื้นที่ของการประมวลผลภาษาธรรมชาติที่เทคนิคทางสถิติที่ได้รับการประสบความสำเร็จมากกว่าวิธีการตามกฎ ในบทความนี้เรานำเสนอเป็นส่วนหนึ่งตามกฎง่ายของ Tagger คำพูดซึ่งจะได้รับกฎระเบียบและแท็กที่มีความถูกต้องใกล้เคียงกับ taggers สุ่ม Tagger ตามกฎมีข้อดีกว่า taggers เหล่านี้ซึ่งรวมถึงการลดลงมากในข้อมูลที่เก็บไว้จำเป็นต้องมีความชัดเจนของชุดเล็ก ๆ ของกฎระเบียบที่มีความหมายและความสะดวกในการค้นหาและการดำเนินการปรับปรุง Tagger และพกพาที่ดีขึ้นจากการตั้งค่าแท็กหนึ่ง ประเภทคลังหรือภาษาอื่น อาจจะเป็นส่วนที่ใหญ่ที่สุดของงานนี้อยู่ในการแสดงให้เห็นว่าวิธีการสุ่มที่ไม่ได้เป็นวิธีการทำงานได้เพียงส่วนหนึ่งของการติดแท็กคำพูด ความจริงที่ว่า Tagger ตามกฎง่ายๆที่จะเรียนรู้กฎระเบียบที่สามารถดำเนินการให้ดีควรมีการให้กำลังใจสำหรับนักวิจัยที่จะไปสำรวจการติดแท็กตามกฎหาชุดที่ดีและแสดงออกมากขึ้นของแม่แบบการปกครองและรูปแบบอื่น ๆ ที่เรียบง่าย แต่มีประสิทธิภาพ ธีมอธิบายไว้ด้านล่าง

ผลลัพธ์ (ไทย) 3:

ส่วนอัตโนมัติในการพูดให้มีพื้นที่ของการประมวลผลภาษาธรรมชาติที่ใช้เทคนิคทางสถิติประสบความสำเร็จมากกว่ากฎ - ตามวิธีการ ในกระดาษนี้เรา ปัจจุบัน ส่วนกฎง่ายๆของการพูดโดยอัตโนมัติ Tagger ที่ได้รับกฎและแท็กกับความแม่นยำเทียบเท่ากับ Stochastic ตราของ . ส่วนกฎ Tagger มีข้อดีกว่าตราของ เหล่านี้รวมถึง :การลดลงมากในการจัดเก็บข้อมูลที่จำเป็น , เพิซพิคยูของชุดเล็กของกฎหมาย , ความสะดวกในการค้นหาและการปรับปรุงการ Tagger , และดีกว่าพกพาจากชุดหนึ่งแท็ก คอร์ปัส ประเภท หรือภาษาอื่น บางทีที่ใหญ่ที่สุดของงานนี้ คือ ในผลงานที่แสดงให้เห็นว่าวิธีการ Stochastic ยังไม่เท่านั้น ที่จะวิธีการส่วนหนึ่งของคำพูดกล่าวหาความจริงง่ายๆที่โดยอัตโนมัติเรียนรู้กฎของกฎ Tagger สามารถแสดงได้ดีควรมีการส่งเสริมนักวิจัยสำรวจกฎการติดแท็ก , ค้นหาการตั้งค่าที่ดีขึ้นและแสดงออกของแม่แบบกฎและการเปลี่ยนแปลงอื่น ๆที่ง่าย แต่มีประสิทธิภาพ
กระทู้ที่อธิบายไว้ด้านล่าง