Syntactic Wordclass Tagging

هم در جامعه زبانشناسی و هم در جامعه مهندسی زبان، ایجاد و استفاده از مجموعه‌های متن حاشیه‌نویسی (یا مجموعه‌های حاشیه‌نویسی) در حال حاضر یک موضوع داغ است. متون حاشیه نویسی برای تحقیق و همچنین برای توسعه برنامه های کاربردی پردازش زبان طبیعی (NLP) مورد علاقه هستند. متأسفانه، حاشیه نویسی مطالب متنی، به ویژه حاشیه نویسی زبانی جالب تر، هنوز کار دشواری است و می تواند میزان قابل توجهی از مشارکت انسانی را به دنبال داشته باشد. در سرتاسر جهان، کار برای جایگزینی هر چه بیشتر این تلاش انسان با پردازش کامپیوتری در حال انجام است. در مرز کاری که قبلاً می‌توان انجام داد (بیشتر) به طور خودکار، برچسب‌گذاری کلاس کلمه نحوی، حاشیه‌نویسی تک تک کلمات در یک متن با نشانه‌ای از طبقه‌بندی نحوی مورفو آنها را می‌یابیم. این کتاب وضعیت هنر را در برچسب‌گذاری کلاس کلمه توصیف می‌کند. به عنوان تلاشی برای ارائه دیدگاهی کلی از این زمینه، این کتاب مورد توجه (حداقل) دو نوع خواننده، احتمالاً بسیار متفاوت است. نوع اول شامل افرادی است که از مطالب برچسب گذاری شده و برچسب ها استفاده می کنند یا قصد استفاده از آنها را دارند. آنها می خواهند بدانند که امکان و غیرممکن بودن برچسب گذاری چیست، اما لزوماً علاقه ای به کار داخلی تگرهای خودکار ندارند. از سوی دیگر، این مورد علاقه اصلی خواننده نوع دوم ما، سازندگان برچسب‌های خودکار و سایر نرم‌افزارهای پردازش زبان طبیعی است.

In both the linguistic and the language engineering community, the creation and use of annotated text collections (or annotated corpora) is currently a hot topic. Annotated texts are of interest for research as well as for the development of natural language pro­ cessing (NLP) applications. Unfortunately, the annotation of text material, especially more interesting linguistic annotation, is as yet a difficult task and can entail a substan­ tial amount of human involvement. Allover the world, work is being done to replace as much as possible of this human effort by computer processing. At the frontier of what can already be done (mostly) automatically we find syntactic wordclass tagging, the annotation of the individual words in a text with an indication of their morpho syntactic classification. This book describes the state of the art in syntactic wordclass tagging. As an attempt to give an overall view of the field, this book is of interest to (at least) two, possibly very different, types of reader. The first type consists of those people who are using, or are planning to use, tagged material and taggers. They will want to know what the possibilities and impossibilities of tagging are, but are not necessarily interested in the internal working of automatic taggers. This, on the other hand, is the main interest of our second type of reader, the builders of automatic taggers and other natural language processing software.