parsing - 如何获得粗粒度的词性标签？

Question

我有一个由柯林斯解析器注释的数据集。现在，我将数据集中每个单词的 POS 作为一个特征。问题是我不需要细粒度的 POS。所以，我结合了一些标签。例如，我假设“动词”类别下的所有 VBD、VBP、VBZ、VBG。对于名词，我假设 NNP 和 NNS 为“名词”类别。

所以，这是我在完成所有组合后拥有的 POS 标签列表:

VB, NN, TO, JJ, IN, EX, RB, WP, PRP, MD, UH, WRB, WDT, RP, CD, POS, DT, PRP$, WP$, CC, RBR

现在，我的问题是在哪里可以找到粗粒度的 POS 标签列表？是否有任何标准的粗粒度 POS 标签列表？

在我的系统中，如果我不结合其他 POS 标签，我可以获得更好的结果。我想知道是否允许我保留当前的列表？还是我也应该将它们结合起来？

提前致谢，

Answer 1

您可以使用 Petrov 的通用标签集。通用标签集有12个，极大地提高了词性标注效率。您可以引用 Universal POS tagset 您也可以在 POS mapping 下载一些标记器的代码和映射