知识卡片
从同版树统一派生不同标注层
CTB的raw、segmented、postagged、bracketed可能因处理和版本而不逐句相同。以同一棵金标准树派生词序、词性和文本,可减少错位,但应保留空范畴过滤与原文差异,不能以派生结果冒充未经改动的原始文本。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 建设语言资源库
原书出处 · 1 处
- · 查看原书依据
宾州树库的语料代码为LDC 2013T21,语料解压后,在data目录下有4个子目录,分别为:raw、segmented、postagged和bracketed。其中,raw表示原始文本,segmented是分好词的语料,postagged
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第07章《建设语言资源库》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00012.html)
- 结论依据:摘录中关于从同版树统一派生不同标注层的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:宾州树库的语料代码为LDC 2013T21,语料解压后,在data目录下有4个子目录,分别为:raw、segmented、postagged和bracketed。其中,raw表示原始文本,segmented是分好词的语料,postagged