Apache OpenNLP语音标记部分：训练了哪些数据集？

Question

我正在使用Apache OpenNLP词性标记器来对文本集合中的词类进行识别。 我想评估它的性能，并且我想知道它可能已经被训练了哪些数据？ 英文版模型的名称不会提示所用的培训数据。

Apache OpenNLP文档提到了一些可能可能用于培训POS-Tagger的语料库。 http://opennlp.apache.org/documentation/manual/opennlp.html#tools.corpora

有没有人知道如何找出哪些培训数据英语POS模型已经被培训？

Answer 1

是的，你说的对，在Opennlp中有几个语料库。
但是，如果您看到OpenNLP Model页面，则会提及使用哪个数据集来训练模型，如下所示。