Penn Treebank 标签集有一个单独的标签TO，用于单词"to"，无论它是在介词意义上使用(例如I went to school(还是不定式含义(例如I want to eat(。从整体NLP的角度来看，这有什么目的？只是单独标记不定式"to"是直观的，但我看不出在单个标签中组合不定式和介词背后的逻辑。
谢谢，如果这不符合堆栈溢出指南，我们深表歉意。
不同的语料库提供不同级别的粒度。例如，将其与英国国家语料库进行比较，其中包括三个不同的标签。
我相信这可能是语料库标记实践的属性，而不是来自这样一个特定的NLP性能目的。想象这是宾夕法尼亚树银行项目的POS指南的设计决策。(请联系本文作者以进一步澄清。
为了使 POS 标记集没有单词"to"的单独标记，它有时需要将"to"标记为介词，有时需要使用不同的"不定式标记"标记"标记"来标记"to"。为此，人类标记者必须消除"to"这两个角色之间的歧义。一些棘手的情况(需要语法判断(可能需要一些额外的人力时间来消除歧义，考虑到标记的语料库的大小，这也可能导致一些错误标记。如果估计信息增益(来自必须消除歧义的粒度(不是那么大，或者如果潜在的标记错误估计太多，那么这种权衡可能会在效率和正确性方面犯更多错误。