使用多个文本文件训练斯坦福词性标注器

Question

我有一个大约20000个文本文件的语料库，我想用这些文本文件来训练标注器，这样更好，把这些文本文件分组到一个文本文件中（不知道会不会影响标注是否准确）或将所有这些文本文件包含在 props 文件中？

Answer 1

我认为这不重要。代码应该只加载所有数据，如果将它分成多个文件，这只是为了方便。此外，您可以为不同的文件指定不同的输入格式，但这不会影响最终模型。