词性标注（part-of-speech tagging）
/ PART-uv-SPEECH TAG-ing /
词性标注是这样一桩苦差事：给句子里的每个词都贴上它的语法角色标签——名词、动词、形容词等等——正是你上学时学着分析句子成分的那回事。拿「Time flies like an arrow」来说：标注器会把「Time」标成名词，「flies」标成动词，「like」标成介词，如此种种。它是语言处理里最古老、最基础的工作之一，常常位于许多更大流水线的底层。
它之所以比听上去更难，是因为同一个词会因周围的伙伴不同而扮演不同的角色。「Book」在「read a book」里是名词，在「book a flight」里却是动词。「Flies」在「time flies」里是动词，在「fruit flies are pests」里却是名词。一个好的标注器不能光背字典；它必须掂量上下文里的词。现代标注器从大量已由人标好正确标签的文本中学习这一点，再推广到新句子上——这是序列标注的一个经典例子，即每个词都根据语境得到自己的标签。
费这个劲图什么？知道词性能帮机器理清「谁对谁做了什么」、挑出关键短语、消解歧义，并把更干净的信号喂给翻译、搜索和文语转换（好让朗读者知道「read」该读现在时还是过去时）。在编辑良好的英文上，标注器如今准确率超过97%——但最后那几个百分点，藏的正是那些真正有歧义的情形，而在非正式文本、新俚语或研究不足的语言上，表现可能会下滑。
「I can fish in a can.」标注：I（代词）、can（情态动词）、fish（动词）、in（介词）、a（限定词）、can（名词）。同样拼成「can」——两个截然不同的标签，全凭上下文裁定。
同一个词「can」，因在句中角色不同而得到不同标签。
标注不是查字典——同一个词会随上下文改变词性，这正是它之所以成为一个学习问题的原因。漂亮的总体准确率，掩盖了那些真正棘手、含糊的情形。