Pourquoi les numéros d'étiquettes MaxentTagger sont-ils parfois NN?

Question

J'essaye de marquer une page HTML pleine de nombres séparés par des espaces comme "5320412185 5320412184 5320412189 ..." pour observer comment le tagger se comporte avec des nombres. J'utilise english-left3words-distsim.tagger dans le constructeur. J'observe sur la console que la plupart des numéros sont marqués CD mais parfois il y a aussi des numéros qui se sont marqués comme NN. J'ai cherché sur la page FAQ de nlp.stanford.edu mais je ne pouvais pas trouver ça là. Quelqu'un peut-il m'aider à comprendre cela?

Je ne sais pas si je devrais mentionner ceci: Je donne chaque numéro séparément au marqueur en séparant l'énorme entrée (1045000 numéros!) En fonction du délimiteur d'espace.

Answer 1

De Tagging partiel du discours lignes directrices du projet Penn Treebank (3e révision)

Parfois, on ne sait pas si on est numéro cardinal ou un nom. En général, il doit être marqué comme cardinal (CD) même si son sens n'est pas clairement celui d'un nombre.

EXAMPLE: one/CD of the best reasons 

Mais si elle pouvait être ou modifié par pluralisé un adjectif dans un contexte particulier, il est un nom commun (NN).

EXAMPLE: the only (good) one/NN of its kind 
     (cf. the only (good) ones/NNS of their kind) 

Dans la colocalisation autre, on doit également être identifiée comme étant un nom commun (NN). Les fractions cigarrées d'un demi, trois quarts, sept huitièmes, un et demi, sept et trois huitièmes devraient être marqués comme adjectifs (JJ) quand ils sont modificateurs prénominaux, mais comme adverbes (RB) s'ils pouvaient être remplacés par des doubles ou deux fois.

Pour en savoir plus: http://repository.upenn.edu/cgi/viewcontent.cgi?article=1603&context=cis_reports