Mallet SimpleTagger不同数量的谓词

Question

我正在尝试提供SimpleTagger教程的这里。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 --model-file nouncrf sample

和

java -cp "class:lib/mallet-deps.jar" cc.mallet.fst.SimpleTagger --model-file nouncrf stest。

这是我的sample和stest文件。

$ cat sample

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

1. “谓词数”表示什么？
2. 为什么我要得到9个谓词，而官方源声称相同的输入文件有5个谓词？

我用的是Mallet 2.0.8，如果有关系的话。

Answer 1

当您开始培训时，SimpleTagger给您的第一个消息是：

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。

当您使用上一篇文章中的模型(它有y谓词)给一个文件贴上标签时，您会得到一条消息：

Number of predicates: z

这个z是要标记的文件包含的y和不同标记(或行)的总和。这就是为什么z总是大于(或等于) y的原因。例如，如果您尝试将一个空的内容文本文件标记为一个具有y谓词的模型，那么您将得到许多谓词y (即y + 0 = y )，因为您的空文件有0标签。