实际上，动词-自立一段基本形标签与来自其他语言的分层词性标签相似，你可以将它们拆分或合并，例如在NTU-MC的第22页上，还有这个：https://www.sketchengine.co.uk/xdocumentation/wiki/tagsets/jpwac。这两种书写形式实际上是很好的，因为它们提供了额外的信息。可能NLTK API需要做一些更多的工作来拆分它们，但语料库中的信息是好的，我们不应该删除它们。

在JEITA的情况下，这是一个“形态学”标记的语料库，所以它与我们在欧洲语言中构思的词性标记语料库有所不同。Masato Hagiwara对此有一个很好的博客文章：http://lilyx.net/nltk-japanese-corpus/。

我仍然认为将书写信息作为词性标注的一部分是错误的。

同意API应该改进。也许在标签上的namedtuple会是一个更好的接口：

for word, tag in sent:
    print tag.form1 # デル
    print tag.form2 # 出る
    print tag.coarse_pos # 動詞-自立
    print tag.fine_pos # 動詞-自立 一段 基本形

这对我来说看起来好多了。

I agree with @brendanpatrickmurphy that it's confusing from an NLTK perspective to mix orthographic information in with the POS tag.
It seems like the word form flexibility is similar to some corpora which provide lemmas. How is this handled in other NLTK corpora? The corpus readers I'm familiar with include:

• SemCor: semcor.tagged_chunks(tag='pos') vs. semcor.tagged_chunks(tag='sense') . The latter returns a WordNet Lemma object as the tag.
• CHILDESCorpusReader : words() , tagged_words() , etc. have a boolean stem argument.

So it might make sense to have arguments indicating the type of POS and/or word-form desired: e.g., tagged_words(form='form1', pos='fine') .

一个可能更好的命名方案是：

$x_{1a}0b_{1x}$

注意，只有屈折词有变形/屈折形式。