GATE如何處理機器學習（文本分類）？

Question

以下面的句子作爲〔實施例（從GATE官方幻燈片教程得到：模塊11 https://gate.ac.uk/sale/talks/gate-course-may10/track-3/module-11-ml-adv/）：

我被告知，該項目是在股票和可次日送貨。幾天後，我追查他們被告知有錯誤，沒有存貨。幾天後再次追趕，仍然沒有股票，然後發現他們從一開始就給我發了賬單。所以他們有我的錢一個星期以上 - 不知道他們什麼時候會有股票 - 我已經完成了所有的追逐。儘管別人說在八年的互聯網購物最糟糕的經歷到目前爲止沒有。

當GATE機器學習PR（批量學習）中的整個句子被標記爲anntation並作爲實例對待時，GATE如何處理學習過程？

我有兩個猜測。一個是GATE自動地爲句子中的每個單詞添加人類語義，並收集這些特徵來建立一個分類模型。另一個是GATE簡單地將句子變換爲數學變量，如向量，並根據語言學特徵訓練模型，如使用多少個名詞，adj，adv。

我不確定哪一個是正確的，或者是否會有另一個解釋。希望有人可以提供確認或任何相關信息。

謝謝！

Answer 1

GATE根據您在配置xml文件中的定義構建模型。除了實例類型之外，可能會有像Token（具有root，POS，...）或N-gram或由JAPE規則創建的自己的註釋（帶有功能）的註釋。 Gate將使用你的定義並建立一個模型。