Stanford nlp 标记为“的词性”；字；

我在一些西班牙语文本上使用。根据他们的文档，词性标签来自此集合：

总的来说，我发现这是准确的，没有问题。然而，我只是遇到了一小段文字：“再见~hailey”。这被标记如下：

Adiós_i~ \u word hailey_aq0000

。因此，

~

符号，我认为应该有一个标点标记

f0

有一个

word

的标记。这是没有记录或预期的。这是一个bug还是预期

更新

---

事实证明，特殊的“单词”标记也出现在其他上下文中。我刚才看到的单词是

it

和

á

谢谢你的关注！我对文档的理解有点慢。。我刚刚更新了新的

单词

在CoreNLP 3.7.0版本中，我们加入了根据额外数据训练的新西班牙模型（特别是灵巧的西班牙树库V2）。一些新数据来自讨论论坛数据集（拉丁美洲-西班牙讨论论坛树库）。此数据集使用一个额外的POS标记，

word

，来标记表情符号和其他符号（例如®符号）

---

（我知道，这是一种愚蠢的名称选择——但我们想继续使用原始语料库使用的名称。）

谢谢Jon。这就解释了

~

，但是

它被贴上标签似乎很奇怪。这些是非母语人士写的文章，所以可能他们只是把标签弄错了？？我想如果你转过头眯着眼睛看，这是一种表情符号。：）更严重的是：您提供的文本可能有问题，但更可能是因为标记器接收到的有关此
单词
标记的少量训练数据。在添加这个标签时，我们没有看到明显的性能下降，但是如果有足够多的人报告一个问题，我们可能会考虑添加一些重写。有一个想法是：“乔恩：用所有其他标记，你可以通过第一个字母来区分主要的“组”（名词、动词、标点等）。但是“单词”的第一个字母和日期相同，这给代码增加了一个特殊的大小写，否则代码只能根据第一个字母进行地图查找。最好将标记更改为不冲突的内容。