Ulteriori informazioni
À l'ère électronique, l'accumulation d'informations augmente rapidement. Pourtant, nous disposons de très peu d'outils intelligents pour aider les individus à gérer cette masse gigantesque d'informations. La recherche en traitement du langage naturel s'intéresse de près à ce problème et tente de mettre au point des systèmes capables de comprendre les langages naturels. Le marquage des parties du discours est l'une des tentatives visant à comprendre les langages humains. Il s'agit d'attribuer à un mot une catégorie qui indique son rôle dans un contexte donné. Il existe de nombreux étiqueteurs POS pour de nombreuses langues, mais pas pour l'amharique. Cette étude propose une méthode hybride combinant un réseau neuronal et une approche basée sur des règles pour étiqueter les mots amhariques. Cette méthode repose donc d'abord sur un réseau neuronal, puis les anomalies sont corrigées par une approche basée sur des règles. L'algorithme de rétropropagation et la méthode d'apprentissage basée sur la transformation sont adoptés pour le développement du tagger amharique. La construction du tagger avec une approche hybride permet d'améliorer ses performances. Afin d'évaluer la méthode proposée, plusieurs expériences ont été menées. Nous pensons que ce travail servira de cadre pour développer un tagger POS plus efficace pour n'importe quelle langue.
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.
