Sentence-Level Semantic Features Guided Adversarial Network for Zhuang Language Part-of-Speech Tagging

2019 ◽  
Author(s):  
Zhixin Li ◽  
Yaru Sun ◽  
Suqin Tang ◽  
Canlong Zhang ◽  
Huifang Ma
Keyword(s):  
Semantic Features ◽  
Part Of Speech Tagging ◽  
Adversarial Network ◽  
Part Of Speech ◽  
Sentence Level ◽  
Zhuang Language ◽  
Speech Tagging

A Correcting Model for Preposition Error in English Essays of Chinese Student Based on Hybrid Features Classification

2014 ◽  
Vol 631-632 ◽  
pp. 1435-1441
Author(s):  
Ya Zhou ◽  
Zun He Rong ◽  
Gui Min Huang
Keyword(s):  
Correction Method ◽  
Chinese Student ◽  
Semantic Features ◽  
Hybrid Features ◽  
Part Of Speech Tagging ◽  
Part Of Speech ◽  
Chinese Learners ◽  
N Gram ◽  
Speech Tagging ◽  
Chinese Learners Of English

In this paper, we propose an automatic preposition correction method for Chinese learners of English. Our corpus comes from Chinese learners of English Corpus (CLEC). We use N-gram model to extract the semantic features based on the form of the word in context, part of speech tagging and syntactic parse tree. Meanwhile, this paper proposes a new method based on mutual information and improves the training and classification method. This method’s performance has been improved in terms of both effectiveness and efficiency, and the results show a significant improvement compared with the previous results.

Lexical Rule and Lexicon Effect for Part of Speech Tagging Bahasa Madura

2018 ◽  
Vol 18 (1) ◽  
pp. 65-72
Author(s):  
Nindian Puspa Dewi ◽  
Ubaidi Ubaidi
Keyword(s):  
Text Processing ◽  
Part Of Speech Tagging ◽  
Pos Tagging ◽  
Part Of Speech ◽  
Speech Tagging ◽  
Bahasa Indonesia

POS Tagging adalah dasar untuk pengembangan Text Processing suatu bahasa. Dalam penelitian ini kita meneliti pengaruh penggunaan lexicon dan perubahan morfologi kata dalam penentuan tagset yang tepat untuk suatu kata. Aturan dengan pendekatan morfologi kata seperti awalan, akhiran, dan sisipan biasa disebut sebagai lexical rule. Penelitian ini menerapkan lexical rule hasil learner dengan menggunakan algoritma Brill Tagger. Bahasa Madura adalah bahasa daerah yang digunakan di Pulau Madura dan beberapa pulau lainnya di Jawa Timur. Objek penelitian ini menggunakan Bahasa Madura yang memiliki banyak sekali variasi afiksasi dibandingkan dengan Bahasa Indonesia. Pada penelitian ini, lexicon selain digunakan untuk pencarian kata dasar Bahasa Madura juga digunakan sebagai salah satu tahap pemberian POS Tagging. Hasil ujicoba dengan menggunakan lexicon mencapai akurasi yaitu 86.61% sedangkan jika tidak menggunakan lexicon hanya mencapai akurasi 28.95 %. Dari sini dapat disimpulkan bahwa ternyata lexicon sangat berpengaruh terhadap POS Tagging.

scholarly journals The Impact of Arabic Part of Speech Tagging on Sentiment Analysis: A New Corpus and Deep Learning Approach

2021 ◽  
Vol 184 ◽  
pp. 148-155
Author(s):  
Abdul Munem Nerabie ◽  
Manar AlKhatib ◽  
Sujith Samuel Mathew ◽  
May El Barachi ◽  
Farhad Oroumchian
Keyword(s):  
Deep Learning ◽  
Sentiment Analysis ◽  
Learning Approach ◽  
Part Of Speech Tagging ◽  
Part Of Speech ◽  
The Impact ◽  
Speech Tagging
Sign in / Sign up

Export Citation Format

Share Document