Part-of-speech tagging using neural networks

Konuşmanın bölümlerini etiketleme, konuşmanın bölümlerini cümlelerdeki kelimelere atama işlemi, doğal dil işlemede geniş bir uygulama alanına sahiptir. Sözdizimsel analiz veya makine çevirisi gibi diğer görevlerde önemli bir ara adım teşkil eder. Bu problemi çözmek için kullanılan yöntemlerden sinir ağları, genellikle tipik olmayanlara aittir, ders kitaplarında sıklıkla ihmal edilir. Bu çalışmada, sinir ağları ile etiketleme bölümünde yapılan bazı kayda değer girişimler hakkında genel bir bakış sunuyoruz. Bunlara dayanarak, benzer prensiplere dayanarak kendi etiketleyicimizi öneriyoruz. Etiketleyici, serbestçe seçilebilecek iki farklı eğitim yöntemi sunar. İlk yöntem, bir bağlamda kelimelerin kelime-etiket olasılıklarından en muhtemel etiketleri öğrenen bir dizi tekrarlayan çok-katmanlı algılayıcı ağlar kullanır. İkinci yöntem, kelimeleri çok boyutlu bir uzayda özellik vektörlerine dönüştürür; daha sonra, bir sınıftaki verileri diğerlerinden ayıran hiper düzlemler, algılayıcıların kullanımı için aranır. Performansı karşılaştırmak için ek bir istatistiksel yöntem temel olarak mevcuttur. Brown corpus'taki ilk 999.998 kelimede eğitim ve geri kalanı değerlendiren ilk yöntemle elde edilen en iyi doğruluk oranı% 94.93 idi.İkinci yöntem küçük egzersiz setleri için önemli ölçüde daha başarılıydı, ancak uzun egzersiz süreleri en büyük setin doğruluğunu belirlememize engel oldu. Her iki yöntem de sistematik olarak taban çizgisinden daha iyi sonuç verdi.