有没有一种方法可以正确地标记（词性标记）组成短语的单词？

Question

我尝试了各种方法来正确地标记一堆组成短语（尤其是名词短语）的单词，但都没有成功。你知道吗

示例：“the”、“first”、“early”、“morning”、“sunbeams”

'early'和'morning'被错误地标记为'Noun'，预期结果应该是：（'first'、'proxy'）、（'early'、'proxy'）、（'morning'、'adgregator'）、（'sunbeams'、'Noun'）

你能建议一个正确标记这些单词的程序吗？你知道吗

提前谢谢。你知道吗

Answer 1

POS标记器通常使用隐马尔可夫模型。如果您的数据没有用这些方法正确标记，那么您的标记器（自制的？）不适合您的输入数据或您的训练数据不充分（太小，错误注释等）。我假设是来自NLTK、spaCy或Stanford（https://nlp.stanford.edu/software/）的工具的标记者。这些软件包将在当前研究的质量方面发挥作用，因此，如果它仍然容易出错，您将无法修复它。 如果您手头有一个大型集群，可以使用n-grams和n>；3构建您自己的标记器，如果您愿意的话，但我怀疑这是否比上面提到的模块更好。你知道吗