POS-Tagging
Die automatische Zuordnung von Wortarten (Nomen, Verb, Adjektiv etc.) zu jedem Wort in einem Satz.
POS-Tagging ordnet jedem Wort seine Wortart zu (Nomen, Verb, Adjektiv) – fundamentaler NLP-Baustein für Parsing, NER und linguistische Analyse.
Erklärung
POS-Tagging ist eine grundlegende NLP-Aufgabe, die als Input für NER, Parsing und Information Extraction dient.
Relevanz für Marketing
POS-Tagging unterstützt linguistische Analyse, SEO-Keyword-Extraction und Content-Optimierung.
Häufige Fallstricke
Mehrdeutige Wörter schwer zu taggen. Fachsprache und Neologismen nicht im Modell. Performance variiert stark nach Sprache.
Entstehung & Geschichte
Regelbasierte Tagger (1960er) nutzten handgeschriebene Grammatiken. Hidden Markov Models (1990er) brachten statistische Methoden. Heute erreichen Transformer-basierte Tagger (spaCy, Stanza) über 97% Genauigkeit.
Abgrenzung & Vergleiche
POS-Tagging vs. Named Entity Recognition
POS-Tagging klassifiziert Wortarten; NER identifiziert semantische Entitätstypen (Person, Organisation, Ort).
POS-Tagging vs. Dependency Parsing
POS-Tagging gibt Wortarten; Dependency Parsing analysiert die grammatischen Beziehungen zwischen Wörtern.