词性标注的问题

[hiericzhu]

请教一个词性标注的问题 现在的jieba.posseg.cut标注的词性w.flag，是不是都是从字典里面取出来的？ 但是字典里面只定义了一种词性，而很多词是多词性的。

例如'连'这个词，在金山词霸网站可以查到，'连'有多重词性 http://www.iciba.com/%E8%BF%9E

1. 本义：（动）相连；连接。（副）连续；接续；继续（表示前后没有断开）：～演三十场戏。
2. 本义：（动）相连；连接。（介）包括在内：～我三个人｜～根拔。
3. 本义：（动）相连；连接。（名）军队的编制单位；由若干排组成。
4. 本义：（动）相连；连接。（Lián）姓。

ltp是哈工大在线工具分析结果： http://www.ltp-cloud.com/demo/ 例句一：连小学生都会。 ltp: [连/u 小学生/n 都/d 会/v 。/wp] jieba: [连/nr 小学生/nr 都/d 会/v 。/x] -> 字典： 连 23315 nr

例句二：这是一个连的兵力。 ltp: [这/r 是/v 一个/m 连/n 的/u 兵力/n 。/wp] jieba: [这/r 是/v 一个/m 连的/d 兵力/n 。/x]

【问题】怎样定义多性词？比如'连'在第一个句子里应该是u，第二个句子里应该是n 谢谢。

[Guangyi-Z]

目前jieba的POS Tagging，基于词库分词后，对词库中存在的词，直接取用词典中的词性（第三列为词性）；对于未登录词，再用HMM序列标注来同时完成新词发现和词性标注。 对于多性词，jieba的方案比较差，而中文中多性词约占了23.6%，比例还是很大的。 哈工大的LTP并不死绑词典中的词性，而考虑了上下文，并针对未登录词做了不少优化，相较之下好很多。