Me gustaría crear un modelo NER personalizado. Eso fue lo que hice:

DATOS DE ENTRENAMIENTO (stanford-ner.tsv):

Hello    O
!    O
My    O
name    O
is    O
Damiano    PERSON
.    O

PROPIEDADES (stanford-ner.prop):

trainFile = stanford-ner.tsv
serializeTo = ner-model.ser.gz
map = word=0,answer=1
maxLeft=1
useClassFeature=true
useWord=true
useNGrams=true
noMidNGrams=true
maxNGramLeng=6
usePrev=true
useNext=true
useDisjunctive=true
useSequences=true
usePrevSequences=true
useTypeSeqs=true
useTypeSeqs2=true
useTypeySequences=true
wordShape=chris2useLC
useGazettes=true
gazette=gazzetta.txt
cleanGazette=true

GAZZETTE gazzetta.txt):

PERSON John
PERSON Andrea

Construyo el modelo a través de la línea de comando con:

java -classpath "stanford-ner.jar:lib/*" edu.stanford.nlp.ie.crf.CRFClassifier  -prop stanford-ner.prop

Y prueba con:

java -classpath "stanford-ner.jar:lib/*" edu.stanford.nlp.ie.crf.CRFClassifier  -loadClassifier ner-model.ser.gz -textFile test.txt

Hice dos pruebas con los siguientes textos:

>>> PRUEBA 1 <<<

TEXTO: Hola! Mi nombre es Damiano y este es un texto falso para probar.

SALIDAHola / O! / O Mi / O nombre / O es / O Damiano / PERSON y / O esto / O es / O a / O falso / O texto / O a / O prueba / O ./O

>>> PRUEBA 2 <<<

TEXTO: Hola! Mi nombre es John y este es un texto falso para probar.

SALIDAHola / O! / O Mi / O nombre / O es / O John / O y / O esto / O es / O a / O falso / O texto / O a / O prueba / O ./O

Como puede ver, solo se encuentra la entidad "Damiano". Esta entidad está en mis datos de entrenamiento pero "John" (segunda prueba) está dentro de la gaceta. Entonces la pregunta es.

¿Por qué John entidad no es reconocida?

Muchas gracias de antemano.