如何定义与理解NLTK中Brill词性标注器的规则及模板？

我最近在实操NLTK的词性标注，用Brill标注器生成一系列规则。我使用的模板代码如下：

templates = [ 
    Template(Pos(1,1)), 
    Template(Pos(2,2)), 
    Template(Pos(1,2)), 
    Template(Pos(1,3)), 
    Template(Word(1,1)), 
    Template(Word(2,2)), 
    Template(Word(1,2)), 
    Template(Word(1,3)), 
    Template(Pos(-1, -1), Pos(1,1)), 
    Template(Word(-1, -1), Word(1,1)) 
]

运行后生成的规则表输出如下：

Found 149 useful rules.
B | S F r O | Score = Fixed - Broken
c i o t | R Fixed = num tags changed incorrect -> correct
o x k h | u Broken = num tags changed correct -> incorrect
r e e e | l Other = num tags changed incorrect -> incorrect
e d n r | e
------------------+-------------------------------------------------------
24 24 0 1 | VB->VBP if Pos:NN@[1]
14 14 0 2 | JJ->NN if Pos:CD@[1]
14 14 0 0 | NN->VBP if Pos:NNS@[1,2,3]
11 11 0 0 | TO->IN if Pos:NN@[1,2]
9 9 0 0 | JJ->VBP if Pos:NN@[1]
1 1 0 0 | TO->IN if Pos:VB@[1]
1 1 0 0 | VBP->NN if Word:my_group@[1]

针对生成的规则，我有几个具体疑问，这里整理出对应的解答：

疑问与解答 #

• 疑问1：规则NN->VBP if Pos:NNS@[1,2,3]是否表示：若句子中1、2或3位置的词性标注为NNS，则将当前词的NN转为VBP？
  这个理解完全正确！这条规则的意思是：如果当前词右侧第1、2或3个位置的词被标注为NNS（复数名词），就把当前词的标签从NN（单数名词）修正为VBP（非第三人称单数现在时动词）。

• 疑问2：规则中的1、2、3是相对于当前词的相对索引，还是句子中的绝对索引？
  这些数字是相对当前词的索引：

  • 正数代表当前词右侧的位置（比如@[1]是当前词右边第一个词，@[2]是右边第二个）；
  • 负数则代表当前词左侧的位置（比如@[-1]是当前词左边第一个词）；
  • Brill标注器的规则都是基于上下文相对位置生成的，不会用到句子的绝对索引。

• 疑问3：模板与规则的关联是什么？比如Template(Pos(1,2,3))是否负责生成规则NN->VBP if Pos:NNS@[1,2,3]？
  没错，模板就是标注器生成规则的“搜索蓝图”：

  • Template(Pos(1,2,3))这个模板定义了“要检查当前词右侧第1、2、3个位置的词性标签”这个上下文特征；
  • 标注器在训练数据中遍历这个特征对应的所有可能情况，找出能最大化修正错误标签的规则——NN->VBP if Pos:NNS@[1,2,3]就是它挖掘到的有效规则，从得分（Fixed=14，Broken=0）也能看出这条规则修正效果很好。

内容的提问来源于stack exchange，提问作者Mangu Singh Rajpurohit