如何解决NLP 的天赋：为什么 MIT 电影语料库比原始数据集有更多的标签？
我有一个与用于自然语言处理的 flair 框架相关的问题：
我正在尝试为 NER 任务加载简单的 MIT 电影语料库。但是，我的输出包含以 E 和 S 开头的标签，例如 E-SONG、S-ACTOR 等。虽然原始数据集包含 BIO 格式的数据。
from flair.datasets import MIT_MOVIE_NER_SIMPLE
# load simple movie NER corpus
corpus_MIT = MIT_MOVIE_NER_SIMPLE()
print(corpus_MIT)
print(corpus_MIT.make_tag_dictionary('ner'))
输出：
Corpus: 8797 train + 978 dev + 2443 test sentences
Dictionary with 52 tags: <unk>,O,B-ACTOR,E-ACTOR,S-YEAR,S-TITLE,B-GENRE,I-GENRE,E-GENRE,B-DIRECTOR,E-DIRECTOR,S-GENRE,B-SONG,I-SONG,E-SONG,S-ACTOR,B-PLOT,I-PLOT,E-PLOT,S-PLOT,B-CHaraCTER,E-CHaraCTER,S-rating,B-ratingS_AVERAGE,E-ratingS_AVERAGE,B-TITLE,E-TITLE,S-SONG,I-TITLE,B-rating
有人可以向我解释这一点吗？ 提前致谢！
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
