پیکره و برچسب‌گذاری آن با کمک رایانه: ویژگی‌ها، کاستی‌ها و چالش‌ها

امروزه پیکره زبانی جایگاه ویژه‎ای را میان زبان‌‎شناسان و افرادی که در حوزه زبان و رایانه فعالیت می‌کنند به خود اختصاص داده است. ازجمله ویژگی‌‏های پیکره این است که باید نماینده زبان باشد. برآورده‌سازی این ویژگی منجر به تهیه پیکره‎ای با حجم زیاد می‌شود. تحلیل زبان‎‌شناختی این حجم زیاد پیکره بسیار زمان‌بر و پرهزینه است؛ بنابراین استفاده از رایانه می‌تواند یک راه‏کار باشد. در این سخنرانی در مورد استفاده از رایانه به ‎عنوان ابزار کمکی در برچسب‌‌گذاری داده زبانی توضیح داده می‌شود و به بررسی ویژگی‌ها و کاستی‌‌های این روش می‌پردازد. از آنجا که خط فارسی داده ورودی به رایانه برای برچسب‌‌گذاری است، با چالش‌های فراوان مربوط به خط فارسی روبه‌رو می‌شویم که آگاهی از این چالش‌‌ها می‌تواند به کاهش کاستی‌های برچسب‌گذاری خودکار منجر شود.