用 CRF 做英文词性标注与句法解析：在 Universal Dependencies EWT 上达 91.4% 准确率

基于 Universal Dependencies 英文 EWT 树库训练的 CRF 词性标注器在 dev 集上达到 91.4% 准确率，高于 unigram 基线的 86.1%。清洗缺失值和重复句后，训练集为 199,235 个 token、dev 集为 25,015 个 token，且两者无句子重叠。文章随后依次介绍命名实体、依存树、成分树、共指和主题等语言结构层，核心线索是句子的树结构。