machine-learning - 我在哪里可以获得词性标注器的训练数据？

Question

我想实现一个词性标注器，但我不知道我在哪里可以获得大量的训练数据？谢谢！

Answer 1

这里有来自 CoNLL-2000 会议的分块共享任务的训练集和测试集：

http://www.cnts.ua.ac.be/conll2000/chunking/

其他人已经使用它来训练词性标注器：

https://code.google.com/p/miralium/wiki/PosTaggerTutorial

Answer 2

https://catalog.ldc.upenn.edu/LDC99T42 <--- 如果您有缩减许可证，他们想要 1700.00 美元或 850.00 美元 :-(

https://www.kaggle.com/nltkdata/penn-tree-bank <--- 你一定会喜欢 Kaggle！

https://www.kaggle.com/abhinavwalia95/entity-annotated-corpus/version/4 <--- 你必须更爱 Kaggle！