Natural language processing using very large corpora

درباره این کتاب این کتاب برای محققانی در نظر گرفته شده است که می‌خواهند از پیشرفت‌های کنونی در پردازش زبان طبیعی مبتنی بر پیکره مطلع شوند. مقصود مقدمه ای برای این رشته نیست. برای خوانندگانی که به یک متن نیاز دارند، چندین متن سطح ابتدایی در دسترس است، از جمله متن های (چرچ و مرسر، 1993؛ چارنیاک، 1993؛ جلینک، 1997). این کتاب ماهیت مجموعه‌ای از کارگاه‌های بسیار موفقی را که در چند سال اخیر برگزار شده‌اند را به تصویر می‌کشد. پاسخ در سال 1993 به کارگاه اولیه در مورد شرکت های بسیار بزرگ (کلمبوس، اوهایو) چنان مشتاقانه بود که ما تشویق شدیم آن را به یک رویداد سالانه تبدیل کنیم. سال بعد، ما دومین کارگاه را در مورد شرکت های بسیار بزرگ در کی اوتو به صحنه بردیم. به عنوان راهی برای مدیریت این کارگاه‌های سالانه، تصمیم گرفتیم یک گروه علاقه‌مند ویژه به نام SIGDAT را در انجمن زبان‌شناسی محاسباتی ثبت کنیم. تقاضا برای انجمن های بین المللی در مورد NLP مبتنی بر پیکره به سرعت در حال گسترش است که در سال 1995 SIGDAT نه تنها سومین کارگاه آموزشی در مورد شرکت های بسیار بزرگ (کمبریج، ماساچوست) بلکه یک کارگاه آموزشی تکمیلی با عنوان از متن ها تا برچسب ها (دوبلین) را سازماندهی کرد. ). بدیهی است که موفقیت این کارگاه ها تا حدودی بازتابی از محبوبیت روزافزون روش های مبتنی بر پیکره در جامعه NLP بود. اما قبل از هر چیز، دلیل آن این بود که کارگاه‌ها مقالات بسیار باکیفیت را جذب کردند.

ABOUT THIS BOOK This book is intended for researchers who want to keep abreast of cur­ rent developments in corpus-based natural language processing. It is not meant as an introduction to this field; for readers who need one, several entry-level texts are available, including those of (Church and Mercer, 1993; Charniak, 1993; Jelinek, 1997). This book captures the essence of a series of highly successful work­ shops held in the last few years. The response in 1993 to the initial Workshop on Very Large Corpora (Columbus, Ohio) was so enthusias­ tic that we were encouraged to make it an annual event. The following year, we staged the Second Workshop on Very Large Corpora in Ky­ oto. As a way of managing these annual workshops, we then decided to register a special interest group called SIGDAT with the Association for Computational Linguistics. The demand for international forums on corpus-based NLP has been expanding so rapidly that in 1995 SIGDAT was led to organize not only the Third Workshop on Very Large Corpora (Cambridge, Mass. ) but also a complementary workshop entitled From Texts to Tags (Dublin). Obviously, the success of these workshops was in some measure a re­ flection of the growing popularity of corpus-based methods in the NLP community. But first and foremost, it was due to the fact that the work­ shops attracted so many high-quality papers.