书268页飞机型号训练之后的泛化代码示例有两个问题：
1.示例的System.out.println(analyzer.analyze(“米格-阿帕奇-666S横空出世。”)); 已经在训练语料中出现过了，所以识别肯定会成功
语料中内容：开发/v 的/u [米格/nr -/w 阿帕奇/nr -/w 666S/u]/np 战斗机/n ，/w 也/d 有/v 短距/n 起降/v 及/c 可变/v 后/f 掠/v 翼/ng 两种/m 原型/n 。/w
2.尝试识别一个简单的变化，System.out.println(analyzer.analyze(“米格-阿米奇-666S横空出世。”)); 失败
得到的输出是这个：
米格/nr -/w 阿米奇/nr -/w 666S/u 横空出世/l 。/w
想请教下何老师，谢谢！
请教不敢。失败的主要原因归结到特征的频次不够，感知机的特征模板是±2窗口内的词语与词性。但语料库中没有nr-w-nr-w-u词性形式的战斗机，也没有阿米奇形式的战斗机片段。要知道，传统机器学习的特征模板是非常死板的。虽然你觉得变换很简单，但在特征模板看来阿帕奇和阿米奇的相似度为0.
这份语料应该是用远程监督方法制作的，质量和数量其实都很低。假设数量级足够大，有许多战斗机的词性模式都是nr-w-nr-w-u，则你的例子就可以识别了。
这个样本不应该出现在语料库中，我更新了一下这份语料，删除了它。但模拟远程监督的原理增加了如下样本[米格/nr -/w 威廉/nr -/w 666/m S/q]/np 毫无疑问/l 是/v 远程/a 监督/n 伪造/v 的/u 语料/n，使得感知机学习nr-w-nr-w-m-q的词性模式，以演示它的泛化能力。你可以重新下载一下试试。
cat train.txt | grep '阿帕奇'
md5 train.txt
MD5 (train.txt) = 44118741183eff9c53a326854751dfaf