使用 POS 标记器在首字母缩略词中正确检测名词

Question

我正在为 Strasbourg 的 CDS 开发自然语言搜索引擎。 （斯特拉斯堡天文数据中心）

我想知道斯坦福词性标注器是如何标注首字母缩写词的，因为首字母缩写词有时被标记为 NNP，有时被标记为 NN。

我无法准确找到程序如何确定“CDS”或“NASA”等首字母缩写词是 NNP 还是 NN。

如果有人能在这个问题上帮助我，我会非常高兴。 :)

祝你有美好的一天。

Answer 1

词性标注器是一种统计模型，已根据《华尔街日报》的数千个句子进行训练。它可能受单词中出现的字符序列以及句子中单词周围的单词等因素的影响。

这里有更多详细信息：https://nlp.stanford.edu/software/tagger.shtml