Compromise.js 词性标注中的"Also"副词处理问题分析

问题背景

在自然语言处理库Compromise.js的词性标注模块中，存在一个关于副词"also"的特殊处理逻辑。该逻辑会导致所有出现在"also"之后的词语被强制标记为形容词(Adjective)，这在某些语法结构中会产生错误的标注结果。

问题表现

通过分析源代码和实际测试，我们发现当句子中出现"also"后接某些特定动词时，系统会错误地将这些动词标注为形容词。例如：

1. 在句子"He also developed software"中：

   • "developed"被错误标注为形容词
   • 实际上应为过去式动词(PastTense)

2. 而在句子"Cheese is also aged"中：

   • "aged"被正确标注为形容词
   • 因为前面存在系动词"is"(Copula)

技术分析

问题根源在于预处理标记器(preTagger)中的两个关键部分：

1. 形容词线索文件(_adj.js)中将"also"作为形容词的提示词
2. 第三遍处理中的开关逻辑(06-switches.js)对"also"后词语的特殊处理

当前实现简单地认为"also"后出现的词语就是形容词，而没有考虑更复杂的语法上下文。这种处理方式过于武断，特别是在处理动词过去式时会产生错误。

解决方案建议

更合理的处理方式应该考虑以下因素：

1. 检查"also"前面两个词的位置：

   • 如果前一个词是系动词(Copula)，则当前词可能是形容词
   • 否则需要更谨慎地判断

2. 建立更精确的语法模式识别：

   • "#Noun also [特定动词列表]"结构应保持动词原性
   • "#Noun #Copula also [特定形容词列表]"结构才应标记为形容词

3. 移除_adj.js中简单的"also"线索，改为更智能的上下文判断

影响评估

这种错误的标注会影响下游的语法分析，特别是句子成分划分。在给出的例子中，由于"developed"被错误标记为形容词，整个句子会被分析为缺少谓语动词的不完整结构。

总结

词性标注是NLP处理的基础环节，需要精细的规则和上下文感知。Compromise.js中当前对"also"的处理过于简单，需要通过更丰富的语法模式识别来改进。这种改进不仅能解决当前问题，还能为处理其他类似副词提供参考模式。