TAILIEUCHUNG - Báo cáo khoa học: "Part-of-Speech Tagging for Twitter: Annotation, Features, and Experiments"

We address the problem of part-of-speech tagging for English data from the popular microblogging service Twitter. We develop a tagset, annotate data, develop features, and report tagging results nearing 90% accuracy. The data and tools have been made available to the research community with the goal of enabling richer text analysis of Twitter and related social media data sets. | Part-of-Speech Tagging for Twitter Annotation Features and Experiments Kevin Gimpel Nathan Schneider Brendan O Connor Dipanjan Das Daniel Mills Jacob Eisenstein Michael Heilman Dani Yogatama Jeffrey Flanigan and Noah A. Smith School of Computer Science Carnegie Mellon Univeristy Pittsburgh PA 15213 USA kgimpel nschneid brenocon dipanjan dpmills jacobeis mheilman dyogatama jflanigan nasmith @ Abstract We address the problem of part-of-speech tagging for English data from the popular microblogging service Twitter. We develop a tagset annotate data develop features and report tagging results nearing 90 accuracy. The data and tools have been made available to the research community with the goal of enabling richer text analysis of Twitter and related social media data sets. 1 Introduction The growing popularity of social media and user-created web content is producing enormous quantities of text in electronic form. The popular microblogging service Twitter is one particularly fruitful source of user-created content and a flurry of recent research has aimed to understand and exploit these data Ritter et al. 2010 Shar-ifi et al. 2010 Barbosa and Feng 2010 Asur and Huberman 2010 O Connor et al. 2010a Thelwall et al. 2011 . However the bulk of this work eschews the standard pipeline of tools which might enable a richer linguistic analysis such tools are typically trained on newstext and have been shown to perform poorly on Twitter Finin et al. 2010 . One of the most fundamental parts of the linguistic pipeline is part-of-speech POS tagging a basic form of syntactic analysis which has countless applications in NLP. Most POS taggers are trained from treebanks in the newswire domain such as the Wall Street Journal corpus of the Penn Treebank PTB Marcus etal. 1993 . Tagging performance degrades on out-of-domain data and Twitter poses additional challenges due to the conversational nature of the text the lack of conventional orthography and 140-character .

• Báo cáo khoa học
• Part of Speech Tagging for Twitter
• Annotation
• Features
• and Experiments
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball