python-2.7 - 如何构建一个新的标签集

Question

我有一个语言的语料库，之前没有做过 POS 注释，也就是说，它没有现有的标签集。除了使用记事本等文字处理器手动标记它之外，是否有任何自动方法可以开始标记新的未标记集，例如我的语料库？谢谢。

Answer 1

这取决于标签集的详细程度。10-12 基本词性（名词，形容词，...，外国，标点符号）或更详细（区分动词形式，代词类型，性别，数字，时态，...）。

前者几乎是通用的（参见 Multext-East 标签集或 Google 的通用标签集的类别）。

后者要复杂得多，我们有一篇关于它的论文。简而言之，我们有一个标签集模板，然后我们修改它（删除/添加类别和值）以适应特定语言。

关于注释：同样，这取决于 - 如果您有一个小标签集，您可以手动为每个单词分配一个标签，例如在记事本或一些简单的 GUI 中（我们使用这个，但可能有更好的）。如果您有一个包含数百或数千个标签的标签集，那么您可能需要更好的支持。最好的办法是使用（可能过度生成的）形态分析器和允许从分析器建议的选项中进行选择的 GUI。

Answer 2

Brat有一个非常好的用于手动注释的 GUI。