Gắn thẻ một phần của bài phát biểu
Gắn thẻ phần lời nói (POS) gắn nhãn mỗi từ trong câu với vai trò ngữ pháp của nó, chẳng hạn như danh từ, động từ hoặc tính từ.
Tổng quan
It is a foundational NLP step that helps machines understand sentence structure and resolve words that mean different things in different contexts.
Lặn sâu
Nhiều từ không rõ ràng: 'book' là một danh từ trong 'đọc sách' nhưng động từ trong 'book a Flight' và 'back' có thể là danh từ, động từ, tính từ hoặc trạng từ. Gắn thẻ POS sử dụng bối cảnh xung quanh để chọn đúng thẻ, đó là lý do tại sao bối cảnh lại quan trọng đến vậy. Các hệ thống tiếng Anh thường sử dụng bộ thẻ Penn Treebank, có khoảng 36 thẻ chi tiết (NN cho danh từ số ít, VBD cho động từ thì quá khứ, JJ cho tính từ, v.v.), trong khi dự án Phụ thuộc phổ quát xác định một bộ nhỏ hơn, trung tính về ngôn ngữ gồm khoảng 17 thẻ để đảm bảo tính nhất quán giữa các ngôn ngữ. Thẻ POS cung cấp các tác vụ tiếp theo: chúng giúp nhận dạng, phân tích cú pháp và trích xuất thông tin, đồng thời cho phép các công cụ tìm kiếm và ngữ pháp xử lý các từ một cách chính xác. Việc gắn thẻ chính xác trên văn bản sạch hiện đã vượt quá 97%, mặc dù văn bản không chính thức, tiếng lóng và chuyển mã vẫn khó hơn.
Hiểu biết kỹ thuật
Trình gắn thẻ cổ điển đã sử dụng Mô hình Markov ẩn, chọn chuỗi thẻ có xác suất kết hợp cao nhất của mỗi thẻ cho từ và cho thẻ trước đó. Các trình gắn thẻ hiện đại cung cấp các phần nhúng theo ngữ cảnh từ các mô hình như BERT vào một trình phân loại gắn nhãn cho mọi mã thông báo, thường có một lớp thực thi các chuyển đổi thẻ hợp lý. Bởi vì cùng một từ có thể có các thẻ khác nhau nên mô hình phải đọc toàn bộ câu chứ không phải tách biệt từng từ, đó chính xác là những gì tính năng nhúng theo ngữ cảnh mang lại.
Tác động chiến lược
Tốc độ và tỷ lệ
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
Truy cập và tiếp cận
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
Quyết định rõ ràng hơn
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.
Tương lai của việc gắn thẻ một phần lời nói
Việc gắn thẻ POS rõ ràng ngày càng được đưa vào các mô hình được huấn luyện trước lớn, vốn học cấu trúc ngữ pháp một cách ngầm định, do đó, các trình gắn thẻ độc lập ít tập trung hơn đối với các ngôn ngữ có nguồn tài nguyên cao như tiếng Anh. Tuy nhiên, việc gắn thẻ POS vẫn có giá trị đối với các ngôn ngữ có nguồn tài nguyên thấp, nghiên cứu ngôn ngữ và quy trình nhẹ trong đó LLM đầy đủ là quá mức cần thiết. Mong đợi sự tiến bộ liên tục về văn bản truyền thông xã hội ồn ào, đầu vào đa ngôn ngữ và chuyển đổi mã cũng như các văn bản lịch sử hoặc chuyên ngành. Là một khối xây dựng nhanh, có thể hiểu được, việc gắn thẻ POS sẽ vẫn là một phần của bộ công cụ NLP ngay cả khi các mô hình đầu cuối thống trị các nhiệm vụ hào nhoáng hơn.
Triển khai trong thế giới thực
Trình kiểm tra ngữ pháp sử dụng thẻ để phát hiện lỗi, giống như một động từ mà danh từ được mong đợi.
Công cụ tìm kiếm phân biệt danh từ 'sách' với động từ 'sách' để trả về kết quả tốt hơn.
Quy trình nhận dạng thực thể được đặt tên sử dụng thẻ POS làm tính năng để tìm người, địa điểm và tổ chức.
Hệ thống chuyển văn bản thành giọng nói sử dụng thẻ để chọn cách phát âm phù hợp cho các từ đồng nghĩa như 'đọc' (hiện tại so với quá khứ).
Rủi ro & lan can
Sự thật ảo giác có thể lặng lẽ đi vào báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu.
Sự nhạy cảm kịp thời có thể tạo ra kết quả không nhất quán đối với các yêu cầu tương tự.
Dữ liệu văn bản nhạy cảm có thể bị lộ nếu khả năng kiểm soát quyền truy cập yếu.
Lộ trình thực hiện
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Part-of-Speech Tagging quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Chuyển văn bản thành giọng nói
Câu hỏi thường gặp
What is Part-of-Speech Tagging?
Gắn thẻ phần lời nói (POS) gắn nhãn mỗi từ trong câu với vai trò ngữ pháp của nó, chẳng hạn như danh từ, động từ hoặc tính từ. Đây là bước NLP nền tảng giúp máy hiểu cấu trúc câu và giải quyết các từ có nghĩa khác nhau trong các ngữ cảnh khác nhau.
Việc gắn thẻ một phần của lời nói gán cho mỗi từ là gì?
Gắn thẻ POS gắn nhãn mỗi từ với danh mục ngữ pháp của nó, như danh từ, động từ hoặc tính từ.
Tại sao ngữ cảnh lại cần thiết cho việc gắn thẻ POS?
Những từ như “book” có thể là danh từ hoặc động từ nên cần có những từ xung quanh để chọn đúng thẻ.
Bộ thẻ Penn Treebank là gì?
Bộ thẻ Penn Treebank là một bộ sưu tập tiêu chuẩn gồm khoảng 36 thẻ chi tiết được sử dụng để gắn thẻ POS bằng tiếng Anh.
Trình gắn thẻ Mô hình Markov ẩn cổ điển chọn thẻ như thế nào?
Trình gắn thẻ HMM chọn trình tự có khả năng xảy ra cao nhất dựa trên khả năng mỗi thẻ được cung cấp từ và được cung cấp thẻ trước đó.
Tại sao những người gắn thẻ hiện đại phải đọc toàn bộ câu thay vì chỉ đọc từng từ?
Vì cùng một từ có thể có các thẻ khác nhau nên cần có thông tin ngữ cảnh trong toàn bộ câu để gắn nhãn chính xác cho từ đó.