چکیده :
این مقاله به مطالعه تطبیقی متدهای ترکیبی اختصاص دارد که با موفقیت برای وظایف ترکیبی که شامل وظایف پردازش زبان طبیعی (NLP) می باشد اجرا شده است. تکنیک های ترکیبی متنوعی وجود دارند و سختی اصلی انتخاب تکنیک مناسب برای انجام وظیفه ی خاص است. در این مطالعه ما کارایی تعدادی از متدهای ترکیبی نظیر رای دادن، ترکیب Bayesian، رفتار دوره ی دانش، bagging، پشته سازی، ویژگی های زیرفاصله و آبشاری برای وظیفه ضمیمه ی تکه گفتار با استفاده از نه مجموعه در پنج زبان را بررسی کردیم. نتایج نشان داد که متدهایی که در حال حاضر زیاد محبوب نیستند می توانند عملکرد بهتری داشته باشند. به اضافه، ما چگونگی تاثیر اندازه ی اولیه و کیفیت عملکرد متدهای ترکیبی را یاد گرفتیم. همچنین ما نتایج اجرای ترکیب روش های دسته بندی برای وظایف دیگر NLP نظیر تشخیص موجودیت نام و chunking را آماده کردیم. ما معتقدیم که این تحقیق جامع ترین مقایسه بین متدهای به کاربرده شده برای وظایف NLP می باشد
