词性标注

znlp 的词性标注由感知机实现（PosPerceptron），既可以作为分词流水线的一个阶段，也可以脱离流水线独立使用。

在分词流水线中使用

SegmentRecipe.standard() 默认已开启词性标注，所以 Znlp.segment 返回的每个 Token 都带 Nature：

import dev.znlp.Znlp;
import segment.dev.znlp.Token;

for (Token t : Znlp.segment("自然语言处理技术是人工智能的重要领域")) {
    System.out.println(t.word + "/" + t.getNature());
}

如果用的是 dictionary() 配方，需要显式打开：

WordSegmenter segmenter = SegmentRecipe.dictionary().withPos().build();

反过来，想去掉词性标注以降低开销：

WordSegmenter fast = SegmentRecipe.standard().withoutPos().build();

词性标注集

segment.dev.znlp.Nature 枚举基于北大标注集扩展，共 48 个常量。常用部分：

标签	含义	标签	含义
`n`	名词	`nr`	人名
`ns`	地名	`nt`	机构团体
`nz`	其他专名	`nx`	非语素字
`v`	动词	`vd`	副动词
`vn`	名动词	`a`	形容词
`ad`	副形词	`an`	名形词
`d`	副词	`m`	数词
`q`	量词	`mq`	数量词
`p`	介词	`c`	连词
`u`	助词	`e`	叹词
`w`	标点	`t`	时间词
`f`	方位词	`s`	处所词
`r`	代词	`xx`	未识别

完整列表：a Ag ad an b Bg c d Dg e f h i j k l m Mg n nr ns nt nx nz Ng o p q r Rg s t Tg u v vd vn Vg w y Yg z xx mq x begin end newWord。

其中 Ag / Dg / Mg / Ng / Rg / Tg / Vg / Yg / Bg 是语素类标签，begin / end / newWord 是框架内部扩展值，正常分词结果里一般不会出现。

Token 提供三种读法：

Nature n = token.getNature();          // 枚举，可能为 null
String s = token.getNatureString();    // null 时返回 ""，不会返回 "null"
String name = token.getNatureName();   // 名称

独立使用 PosPerceptron

已经分好词、只想补词性时，可以直接用 pos.impl.segment.dev.znlp.PosPerceptron，跳过整条流水线：

import pos.impl.segment.dev.znlp.PosPerceptron;

PosPerceptron pos = Znlp.getService(PosPerceptron.class);

List<String> words = List.of("自然语言", "处理", "技术");
List<String> tags = pos.decode(words);   // 返回与输入等长的词性标签串

getService 拿到的是注册表中的单例，模型只加载一次。

加载模型

static PosPerceptron loadFromClasspath(String path)
static PosPerceptron load(NlpResourceLoader loader, String path)

默认模型资源路径是 znlp/pos-model/pos.model，打包在 znlp-resources jar 中。

训练自己的模型

static PerceptronTrainModel train(
    File trainFile,     // 训练语料
    File evalFile,      // 评估语料
    File workDir,       // 工作目录，存放中间产物
    int iter,           // 迭代轮数
    int threadNum       // 线程数
)

该方法会自动扫描语料确定标签集再训练，不需要手工指定标签列表。产出的 PerceptronTrainModel 可以 toModel() 得到运行时模型，或 saveModelBinFile(File, FeatureFormat) / saveModelToDir(File) 落盘。

训练相关的通用机制（特征模板、压缩、评估）见感知机框架。