AITerms 登入
自然語言處理AI基礎機器學習

詞性標注(Part-of-Speech Tagging)是什麼?

詞性標注是自然語言處理中,為句子中的每個詞彙指定詞性的過程,例如名詞、動詞、形容詞等,是後續語法分析的基礎。

完整定義

詞性標注(Part-of-Speech Tagging, POS Tagging)是自然語言處理(NLP)中的一項基本任務,旨在為給定文本中的每個詞彙分配其對應的詞性(Part-of-Speech, POS)。詞性包括名詞、動詞、形容詞、副詞、介詞、連詞等。詞性標注是許多更高級NLP任務的基礎,例如語法分析、資訊抽取和機器翻譯。

白話說明

你有沒有想過,一句話裡每個字到底是名詞、動詞,還是形容詞?

你可以把 詞性標注 想成 幫每個詞標上語法身分。

句子結構看得懂,後續分析才會穩,替每個詞標上詞性,句子結構才看得懂 這件事就特別重要。

記住這句

替每個詞標上詞性,句子結構才看得懂

比喻:詞性標注就像幫句子裡的每個字「貼上標籤」 -- 「蘋果」貼名詞、「吃」貼動詞、「紅色的」貼形容詞,這樣電腦就能像人一樣,知道每個字在句子裡扮演什麼角色。

容易混淆

詞性標注 vs 命名實體識別

詞性標注是標記字的語法屬性(名詞、動詞);命名實體識別是標記字的語義屬性(人名、地名、組織名),兩者都是理解文本的重要步驟。

最關鍵的區別:一個看語法位置,一個看專有名詞類型。

詞性標注 vs 命名實體辨識

詞性標注看語法角色,命名實體辨識看人名、地名、機構名

最關鍵的區別:一個看文法,一個看專有名詞。

實際案例

案例 1:新聞標題裡把動詞和名詞分開,方便後續分析

案例 2:聊天機器人先標詞性,再做句法解析和意圖判斷

演算法與應用

核心意思就是:替每個詞標上詞性,句子結構才看得懂。

常先配合斷詞、句法分析和語言模型一起做

標錯詞性時,後面的解析和抽取通常也會連帶受影響

情境判斷

Q2(判斷題): 一句話裡只想抓出人名,不想知道詞性,還需要它嗎?

看情況,如果後面還要做句法分析或規則抽取,詞性標注通常仍有幫助

常見問題

範例考題

某企業規劃導入 AI 技術支援多項資料分析任務中,下列何種屬於結構化預測(Structured Prediction)問題?

  1. A判斷一封電子郵件是否為垃圾郵件
  2. B預測未來一週的產品需求量
  3. C預測客戶是否可能流失
  4. D為語音內容轉換後的文字進行逐詞標註
到題目頁作答

出現在這些考古題

官方公告試題的逐題解析裡,這 1 題把詞性標注列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本