Java Mallet simpletager不同数量的谓词

我正在尝试提供的

simpletager

教程。我运行了与页面上提供的完全相同的命令，即

java-cp“class:lib/mallet deps.jar”cc.mallet.fst.SimpleTagger--train true--模型文件名CRF示例

及

java-cp“class:lib/mallet deps.jar”cc.mallet.fst.SimpleTagger——模型文件nouncrf stest

这是我的

示例

和

stest

文件

$cat示例

Bill CAPITALIZED noun  
slept non-noun  
here LOWERCASE STOPWORD non-noun

$cat stest

CAPITAL Al  
        slept  
        here

但是，我的输出与他们页面上的输出不同。这是我得到的输出

Number of predicates: 9  
noun   
non-noun   
non-noun 

我的问题是

“谓词的数量”表示什么

为什么我会得到9个谓词，而官方的源代码却为相同的输入文件声明了5个谓词

---

如果有必要的话，我正在使用Mallet 2.0.8。

当您开始训练时，

SimpleTagger

给您的第一条信息是：

Number of features in training data: x
Number of predicates: y

谓词的数量，

y

，是训练数据包含的不同标记（或行）的数量

当您使用上一列的模型（具有

y

谓词）为文件添加标签时，您会收到一条消息：

Number of predicates: z

---

此

z

是

y

和要标记的文件包含的不同标记（或行）数之和。这就是为什么

z

总是大于（或等于）y的原因。例如，如果您尝试使用带有

y

谓词的模型来标记一个空的内容文本文件，您将得到许多谓词

y

，即

y+0=y

，这会导致您的空文件带有

0

标签。

如果有帮助，我也会得到9