我正在尝试标记一个充满空格分隔数字的HTML页面，例如＆＃34; 5320412185 5320412184 5320412189 ...＆＃34;观察标记器如何用数字表示。我在构造函数中使用english-left3words-distsim.tagger。我在控制台上观察到大多数数字被标记为CD，但有时也有数字被标记为NN。我搜索了nlp.stanford.edu的FAQ页面，但我在那里找不到它。任何人都可以帮我理解这个吗？
我不知道是否需要提及：我通过基于空格分隔符分割巨大的输入（1045000数字！）来将每个数字分别输入到标记器。
答案 0 :(得分：1)
Penn Treebank项目的词性标注指南（第3次修订）
有时候，不清楚一个是基数还是名词。通常，它应标记为a 基数（CD），即使它的意义不明显是数字。
EXAMPLE: one/CD of the best reasons
但如果它可以在特定的语境中被形容词复数或修改，那么它就是一个普通名词（NN）。
EXAMPLE: the only (good) one/NN of its kind
(cf. the only (good) ones/NNS of their kind)
在另一个搭配中，一个也应该被标记为普通名词（NN）。
联名分数有一半，四分之三，七分之八，一，二，七，八分之八应该是 当它们是prenominal modifiers时被标记为形容词（JJ），但如果它们可能是adbalbs（RB） 取而代之的是双倍或两倍。
进一步阅读：http://repository.upenn.edu/cgi/viewcontent.cgi?article=1603&context=cis_reports