为什么 MaxentTagger 有时会将数字标记为 NN？答案

【问题标题】：Why does MaxentTagger tag numbers as NN sometimes?为什么 MaxentTagger 有时会将数字标记为 NN？
【发布时间】：2015-10-17 02:05:06
【问题描述】：

我正在尝试标记一个充满空格分隔数字的 HTML 页面，例如“5320412185 5320412184 5320412189...”，以观察标记器如何处理数字。我在构造函数中使用english-left3words-distsim.tagger。我在控制台上观察到大多数数字都被标记为CD，但有时也有数字被标记为NN。我在 nlp.stanford.edu 的常见问题页面上进行了搜索，但在那里找不到。谁能帮助我理解这一点？

我不知道是否需要提及这一点：我通过基于空格分隔符拆分大量输入（1045000 个数字！），将每个数字分别提供给标记器。

【问题讨论】：

嗨，我的第一个答案不正确，我意识到我并不完全理解你的问题。现在我已经修改了我的答案，它应该是您问题的解决方案。你检查了吗？

标签： stanford-nlp pos-tagger maxent

【解决方案1】：

来自 Penn Treebank 项目的词性标注指南（第三版）

有时，不清楚一个是基数还是名词。一般来说，它应该被标记为基数 (CD)，即使它的意义并不明显是数字的意义。

EXAMPLE: one/CD of the best reasons

但如果它可以在特定的上下文中被形容词复数或修饰，它是一个普通名词（NN）。

EXAMPLE: the only (good) one/NN of its kind
         (cf. the only (good) ones/NNS of their kind)

在搭配另一种时，也应标记为普通名词（NN）。

连字符的二分之一、四分之三、八分之七、一个半、七分之三应该当它们是名词前修饰语时被标记为形容词（JJ），但如果它们可以被标记为副词（RB）替换为双倍或两次。

进一步阅读：http://repository.upenn.edu/cgi/viewcontent.cgi?article=1603&context=cis_reports

【讨论】：

感谢您的回复@Saibot。你解释的似乎是用英语单词表达的数字。但是我的输入页面有实际数字，其中一些被标记为“NNS”和“NN”。我将通过这个PDF。非常感谢您提供此文件！