淺談標注
前面講完了「斷詞」，現在來談談與斷詞極相關的「標注」。電腦利用透過標注資料，才能利用斷詞後的詞彙回答出正確的回覆。
對語句的標注有非常多種方式，其中我們最普遍使用到的就是詞性的標注。詞性包含表示人物、地點或事物的名詞；表示動作或事件發生的動詞；描述狀態、修飾名詞的形容詞等等。
詞性標注
詞性必須根據句子的上下文來判斷，我們來看看以下例子：
以上舉例，可以看到「警方將歹徒制服」的「制服」為動詞，是指制裁、被迫屈服；而「公立高中不用穿制服」的「制服」是名詞，是指同一個機構或團體穿的服裝。像這樣，如果電腦知道這兩個詞是屬於不一樣的詞性，就知道它們兩個含有不同的意義。
詞性標注就是幫句子中的每個詞彙，找出自己的語言特徵（詞性）並加上標籤的過程，是自然語言處理（Natural Language Processing, NLP）中十分基礎、但重要的過程。
一般需要先將語句進行斷詞，再進行詞性標注，因此斷詞與標注是息息相關的。不過，詞性的標注也存在著許多困難，例如，一詞多義性、未知詞處理等等。
- 一詞多義性：一詞多義性是很常見的一項難點，電腦不可能知道所有一詞多義的詞彙。舉例來說，如同上面例子的「制服」一樣；或是「研究」這個詞可以當作名詞，例如：自然科學研究，不過「研究」也可以當成動詞，例如：研究自然語言處理。
- 未知詞處理：未知詞即表示某字詞沒有收錄在字典中，無法查詢該詞性，例如：「人名」像「Tim Cook」、或是「公司名稱」如「Apple」、「產品名稱」如「iPhone」等等。
而通常這些問題會利用一些統計的演算法來解決。
詞性標注的方法
- 首先，詞性作為詞語的基本語法屬性，是字詞和句子的關鍵性特徵。然而，中文有各式各樣的標注系統，每個系統所標注的詞性種類也有所不同。
- 我們以中央研究院的中文斷詞系統為例，來看看系統分析出「Juska，創造更便利、更智慧、更人性化的用戶服務體驗。」的結果會呈現出什麼樣子。
- 系統首先進行斷詞，變成「Juska｜，｜創造｜更｜便利｜、｜更｜智慧｜、｜更｜人性化｜的｜用戶｜服務｜體驗｜。」。
- 接著再進行詞性標注，例如「Juska」是英文，所以被標注成「FW」（外文標記）；「創造」被標注成「VC」（動作及物動詞）；標點符號也有所屬的標注名稱，每一個標注的名稱都有其代表的詞性。
我們雖然教了電腦去斷詞及標注，但當然電腦的標注不是100%準確的，需要透過人類不斷地改良，讓電腦分析的效果越來越好。
標注語句有何意義呢？標注句子的重點可以讓電腦面對大量輸入的語句時，能夠透過已被重點標示出來的字詞快速地進行演算，並為句子做出適當的分類。而下一篇我們就要來看看詞彙之間有什麼關聯性。
參考資料：中央研究院中文斷詞系統
你也可以在這裡找到Justka的文章！
