Автоматическое получение размеченного корпуса: различия между версиями

Если методы [[обучение без учителя|обучения без учителя]] в [[Word-sense disambiguation|проблеме разрешения многозначности]] полагаются на неаннотированный (неразмеченныйне размеченный) [[корпус]], то [[обучение с учителем]] коренным образом зависят от размеченного корпуса тестов. Проблема получения достаточного количества знаний является одной из самых главных преград в реализации высокоэффективных алгоритмов [[обучение с учителем|обучения]]. Однако, если алгоритм реализуется не такими крупными с точки зрения ресурсов мероприятиями, как Senseval, а более мелкая, то в подобных случаях получение качественно размеченного корпуса не представляется возможным из-за огромных трудозатрат, которые необходимы для осуществления этого процесса вручную. Поэтому перед исследователями, нуждающимися в подобных корпусах, встала задача получения размеченного корпуса автоматически.

* [[Коллаборация|коллаборативная работа]] в стиле [[Википедия|Вики]] (Open Mind Word Expert project): принцип заключается в том, что лёгкие случаи разрешения многозначности решаются машиной, трудные — показываются волонтёрам в интернете; этот метод, к сожалению, не показал достаточно высоких результатов из-за непрофессионализмане профессионализма добровольцев (62.8 % согласия между людьми по сравнению 85,5 % на Senseval).

Однако возможности, открывающиеся и предоставляемые интернетом, ещё не до конца исследованы. К примеру, малоизвестномало известно как использовать лексическую информацию, полученную с помощью knowledge-based систем разрешения многозначности; и также непонятно каким образом получать из интернета [[битекст|параллельные корпусы]], хотя и эффективные алгоритмы для обработки таких корпусов уже существуют. Следовательно, следует ждать в этой области ещё многих интересных результатов в ближайшем будущем.