Ch05 词类标注
词类（Part-of-Speech，POS），又称为单词类别（word classes）、形态类别（morphological classes）或者词汇标记（lexical tags）。
词类标注（part-of-speech tagging）：把词类指派给单词。
词类标注的常用方法：
- 基于规则的标注（rule-based tagging）：手写规则
- 基于统计机器学习模型的标注
- 基于 HMM（隐马尔可夫）模型的标注
- 基于 MEMM（最大熵）模型的标注
- 基于转换的标注（transformation-based tagging）：是基于规则的标注与基于统计机器学习模型的的结合
- 基于记忆的标注（memory-based tagging）
英语词的分类
- 封闭类（closed class）：包含的单词成员相对固定的词类，封闭类的单词又称为虚词（function words）。
- 介词（prepositions）：语义上表示关系。通常是空间或时间的关系。On, under, over, near, by, at, from, to, with
- 限定词（determiners）：与名词一起出现，常常作为名词短语开始的标记。a, an, the
- 冠词（article）
- 无定冠词：a, an
- 有定冠词：the（有定性（definiteness）是话语和语义的一个特性）
- 代词（pronouns）：she, who, I, others
- 连接词（conjunctions）：用来连接两个短语、分句或者句子。and, but, or, as, if, when
- 并列连接词（coordinating conjunction）：连接地位平等的两个成分
- 助动词（auxiliary verbs）：can, may, should, are
- 系动词（copula）：be, do, have
- 情态动词（modal verb）：
- 小品词（particles）：与动词结合起来一起使用，把意义加以扩展。up, down, on, off, in, out, at, by
- 短语动词（phrasal verb）：动词与小品词结合形成一个独立的句法或者语义单位的组合。
- 数词（numerals）：one, two, three, first, second, third
- 叹词（interjections）
- 否定词（negatives）
- 礼貌标志词（politeness markers）
- 问候词（greetings）
- 表示存在的 there
- 开放类（open class）：包含的单词成员经常变化。
- 名词（nouns）
- 专有名词（proper noun）
- 普通名词（common noun）
- 可数名词（count noun）
- 物质名词（mass noun）
- 动词（verbs）
- 形容词（adjectives）
- 副词（adverbs）
- 方位副词（directional adverbs）或地点副词（locative adverbs）：说明某个行为的方向或地点
- 程度副词（degree adverbs）：说明某个动作、过程或性质延伸的程度
- 方式副词（manner adverbs）：描述某个行为或者过程的方式
- 时间副词（temporal adverbs）：描述某个行为或者事件发生的时间
英语的标记集
- Brown 语料库的 87 个标记
- Penn Treebank 的 45 个标记，是小型标记集
- CLAWS 的 C5 标记集，61 个标记，是中型标记集
词类标注
词类标注（Part-of-speech tagging，POS tagging）简称为标注（tagging），给语料中的每一个单词指派一个词类或者其他句法类别标记的过程。
先进行词例还原，才可以完成词类标注，词类标注的困难就是歧义消解（ambiguity resolve）。
基于规则的词类标注算法
词类自动标注算法使用两阶段的体系结构：
- 使用一部词典给每一个单词指派一个潜在的词类表；
- 使用一个手工书写的排歧规则筛选原来的潜在词类表，使每个单词得到一个单独的词类标记。
EngCG 标注算法（EngCG tagger）是最全面的基于规则的词类标注算法，是使用约束语法的方法。EngCG 中的词典 ENGTWOL 是建立在双层形态学（Ref：Ch3）基础上的