我在看了该书的这个章节后，试了下这个战斗机实体识别的案例，发现案例跑出来的结果和书中描述的不同，区别在PE的识别上。如下图。
我使用别的分词器(NLP或者标准分词器)进行分词和词性标注的时候PE的词性都是nx，但是使用PerceptronSegmenter分词器，分出来的结果就如上图中所示。这导致我的实体识别有误。
我的训练数据没问题，训练数据中对PE的词性标识为了nx。
我使用别的分词器(NLP或者标准分词器)进行分词和词性标注的时候PE的词性都是nx，但是使用PerceptronSegmenter分词器，分出来的结果就如上图中所示。这导致我的实体识别有误。
我的训练数据没问题，训练数据中对PE的词性标识为了nx。
因为语料库小，训练的分词器方差很大，多跑几次试试。
可是，这个测试语句是训练语料中出现过的，训练语料中PF的词性是nx，但是识别出来后就是n，感觉不合理呀。
即使多跑几次同样的训练数据，结果也是一样的。
麻烦大神赐教。
这个示例根本没训练pos模型。你训练一个试试
我按照DemoPlane训练了一个标注模型，并使用这个标注模型构建了PerceptronSegmenter分词器，然后依然有这个问题。即使按照书上的，不训练标注模型，只是单纯的构建一个无入参的PerceptronSegmenter分词器，依然有这个问题大神。
麻烦大神了。
您可以训练一个 PerceptronPOSTagger 试试