GATE如何处理机器学习（文本分类）？

Question

以下面的句子作为〔实施例（从GATE官方幻灯片教程得到：模块11 https://gate.ac.uk/sale/talks/gate-course-may10/track-3/module-11-ml-adv/）：

我被告知，该项目是在股票和可次日送货。几天后，我追查他们被告知有错误，没有存货。几天后再次追赶，仍然没有股票，然后发现他们从一开始就给我发了账单。所以他们有我的钱一个星期以上 - 不知道他们什么时候会有股票 - 我已经完成了所有的追逐。尽管别人说在八年的互联网购物最糟糕的经历到目前为止没有。

当GATE机器学习PR（批量学习）中的整个句子被标记为anntation并作为实例对待时，GATE如何处理学习过程？

我有两个猜测。一个是GATE自动地为句子中的每个单词添加人类语义，并收集这些特征来建立一个分类模型。另一个是GATE简单地将句子变换为数学变量，如向量，并根据语言学特征训练模型，如使用多少个名词，adj，adv。

我不确定哪一个是正确的，或者是否会有另一个解释。希望有人可以提供确认或任何相关信息。

谢谢！

Answer 1

GATE根据您在配置xml文件中的定义构建模型。除了实例类型之外，可能会有像Token（具有root，POS，...）或N-gram或由JAPE规则创建的自己的注释（带有功能）的注释。 Gate将使用你的定义并建立一个模型。