我在一些西班牙文字上使用Stanford Part of Speech tagger。根据他们的文档，词性标记来自此集：http://nlp.stanford.edu/software/spanish-faq.shtml#tagset
总的来说，我发现这是准确的并且没有问题。但是，我只是碰到了一小段文字：“Adiós~hailey”。这标记如下：Adiós_i ~_word hailey_aq0000。因此~符号（我认为应该得到f0的标点符号标记为word。这没有记录或预期。这是一个错误还是预期的？
事实证明，特殊的“单词”标签也出现在其他环境中。我刚看到它的单词it和单词á。
答案 0 :(得分：1)
感谢您抓住这个！我赶上文档已经有点慢了......我刚刚更新了the tag list in our documentation以包含新的word。
在CoreNLP 3.7.0版本中，我们包括了对额外数据进行培训的新西班牙语模型（特别是DEFT西班牙语树库V2）。一些新数据来自讨论论坛数据集（拉丁美洲西班牙语讨论论坛树库）。此数据集使用额外的POS标记word来标记表情符号和其他符号（例如®符号）。
（我知道，这是一种愚蠢的名字选择 - 但我们希望坚持使用原始语料库。）