پیکره های مبتنی بر وب: رویکردی نوین در ساخت پیکره

وب یکی از منابع مهم داده در زبان شناسی محاسباتی مدرن می باشد. برخی از دیگر موضوعات در این زمینه از جمله نظر کاوری و یادگیری ماشین با روش های شبه نظارت شده طرح مسیله خود را با استخراج داده ها از وب آغاز می کنند. مقالات مرتبط با این موضوعات مقدمه خود را با تعریف از پیکره های مبتنی بر وب به دلیل اندازه بزرگ، آسان بودن تولید پیکره و در دسترس بودن انواع متون مختلف آغاز نموده اند. یک بررسی تصادفی بر روی بسیاری از مقالات در این حوزه ها نشان می دهد که بسیاری از آنها از داده های وب به طریقی استفاده نموده اند. در این مقاله سعی شده است مشکلات پیکره های سنتی مطرح شود. همچنین مراحل ساخت و موضوعات مرتبط با این مراحل معرقی و دلایل برتری پیکره های مبتنی بر وب، بر انواع سنتی آن، بررسی گردد.

کلیدواژه ها:

ساخت پیکره ، پیکره مبتنی بر وب ، خصوصیات وب ، ارزیابی پیکره ، داده های دارای خطا ، پردازش ربان طبیعی ، زبان شناسی محاسباتی