Sieci neuronowe i metody oparte na regulach do tagowania części mowy

W erze elektronicznej gromadzenie informacji nast¿puje w bardzo szybkim tempie. Jednak dysponujemy bardzo niewielk¿ liczb¿ inteligentnych narz¿dzi, które pomog¿yby u¿ytkownikom w zarz¿dzaniu t¿ ogromn¿ ilöci¿ informacji. Badania nad przetwarzaniem j¿zyka naturalnego skupiaj¿ si¿ na tym problemie i próbuj¿ stworzy¿ systemy zdolne do rozumienia j¿zyków naturalnych. Jedn¿ z prób zrozumienia j¿zyków ludzkich jest tagowanie cz¿¿ci mowy. Polega ono na przypisaniu s¿owu kategorii wskazuj¿cej na jego rol¿ w danym kontek¿cie. Istnieje wiele taggerów POS dla wielu j¿zyków, ale nie ma ich dla j¿zyka amharskiego. Niniejsze badanie proponuje hybrydow¿ metod¿ opart¿ na sieci neuronowej i podej¿ciu opartym na regu¿ach do tagowania s¿ów amharskich. Metoda ta opiera si¿ najpierw na sieci neuronowej, a nast¿pnie anomalia jest korygowana za pomoc¿ podej¿cia opartego na regu¿ach. Do opracowania taggera amharskiego zastosowano algorytm wstecznej propagacji b¿¿dów i metod¿ uczenia opart¿ na transformacji. Stworzenie taggera z wykorzystaniem podej¿cia hybrydowego möe poprawi¿ jego wydajnö¿. W celu oceny proponowanej metody przeprowadzono szereg eksperymentów. Wierzymy, ¿e praca ta pos¿u¿y jako ramy do opracowania taggera POS dla dowolnego j¿zyka z wi¿ksz¿ wydajnöci¿.