Sieci neuronowe i metody oparte na regułach do tagowania części mowy

W erze elektronicznej gromadzenie informacji następuje w bardzo szybkim tempie. Jednak dysponujemy bardzo niewielką liczbą inteligentnych narzędzi które pomogłyby użytkownikom w zarządzaniu tą ogromną ilością informacji. Badania nad przetwarzaniem języka naturalnego skupiają się na tym problemie i próbują stworzyć systemy zdolne do rozumienia języków naturalnych. Jedną z prób zrozumienia języków ludzkich jest tagowanie części mowy. Polega ono na przypisaniu słowu kategorii wskazującej na jego rolę w danym kontekście. Istnieje wiele taggerów POS dla wielu języków ale nie ma ich dla języka amharskiego. Niniejsze badanie proponuje hybrydową metodę opartą na sieci neuronowej i podejściu opartym na regułach do tagowania słów amharskich. Metoda ta opiera się najpierw na sieci neuronowej a następnie anomalia jest korygowana za pomocą podejścia opartego na regułach. Do opracowania taggera amharskiego zastosowano algorytm wstecznej propagacji błędów i metodę uczenia opartą na transformacji. Stworzenie taggera z wykorzystaniem podejścia hybrydowego może poprawić jego wydajność. W celu oceny proponowanej metody przeprowadzono szereg eksperymentów. Wierzymy że praca ta posłuży jako ramy do opracowania taggera POS dla dowolnego języka z większą wydajnością.