Ulteriori informazioni
L'accumulo di informazioni nell'era elettronica sta aumentando rapidamente. Tuttavia, disponiamo di pochissimi strumenti intelligenti che aiutino le persone a gestire questa enorme quantità di informazioni. La ricerca nel campo dell'elaborazione del linguaggio naturale sta esaminando attentamente questo problema e sta cercando di costruire sistemi in grado di comprendere i linguaggi naturali. Il tagging delle parti del discorso è uno dei tentativi compiuti per comprendere i linguaggi umani. Si tratta dell'assegnazione di una categoria a una parola che indica il ruolo della parola in un dato contesto. Esistono molti tagger POS per molte lingue, ma non per l'amarico. Questo studio propone un metodo ibrido che combina una rete neurale e un approccio basato su regole per il tagging delle parole amariche. Questo metodo si basa quindi in primo luogo su una rete neurale, mentre le anomalie vengono corrette con un approccio basato su regole. Per lo sviluppo del tagger amarico sono stati adottati l'algoritmo di retropropagazione e il metodo di apprendimento basato sulla trasformazione. La creazione del tagger con un approccio ibrido può migliorare le prestazioni del tagger. Per valutare il metodo proposto, sono stati condotti numerosi esperimenti. Riteniamo che questo lavoro servirà da quadro di riferimento per sviluppare un POS tagger per qualsiasi lingua con una maggiore efficienza.
Info autore
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.
