W erze elektronicznej gromadzenie informacji nast?puje w bardzo szybkim tempie. Jednak dysponujemy bardzo niewielk? liczb? inteligentnych narz?dzi, które pomoglyby u?ytkownikom w zarz?dzaniu t? ogromn? ilo?ci? informacji. Badania nad przetwarzaniem j?zyka naturalnego skupiaj? si? na tym problemie i próbuj? stworzyc systemy zdolne do rozumienia j?zyków naturalnych. Jedn? z prób zrozumienia j?zyków ludzkich jest tagowanie cz??ci mowy. Polega ono na przypisaniu slowu kategorii wskazuj?cej na jego rol? w danym kontek?cie. Istnieje wiele taggerów POS dla wielu j?zyków, ale nie ma ich dla j?zyka amharskiego. Niniejsze badanie proponuje hybrydow? metod? opart? na sieci neuronowej i podej?ciu opartym na regulach do tagowania slów amharskich. Metoda ta opiera si? najpierw na sieci neuronowej, a nast?pnie anomalia jest korygowana za pomoc? podej?cia opartego na regulach. Do opracowania taggera amharskiego zastosowano algorytm wstecznej propagacji bl?dów i metod? uczenia opart? na transformacji. Stworzenie taggera z wykorzystaniem podej?cia hybrydowego mo?e poprawic jego wydajno?c. W celu oceny proponowanej metody przeprowadzono szereg eksperymentów. Wierzymy, ?e praca ta poslu?y jako ramy do opracowania taggera POS dla dowolnego j?zyka z wi?ksz? wydajno?ci?.