Eu gostaria de criar um modelo NER personalizado. Isso é o que eu fiz:

DADOS DE FORMAÇÃO (stanford-ner.tsv):

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

PROPRIEDADES (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

Eu construo o modelo via linha de comando com:

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

E teste com:

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

Fiz dois testes com os seguintes textos:

>>> TESTE 1 <<<

TEXTO: Olá! Meu nome é Damiano e este é um texto falso para testar.

RESULTADOOlá / O! / O Meu / O nome / O é / O Damiano / PERSON e / O isso / O é / O a / O falso / O texto / O para / O teste / O ./O

>>> TESTE 2 <<<

TEXTO: Olá! Meu nome é John e este é um texto falso para testar.

RESULTADOOlá / O! / O Meu / O nome / O é / O John / O e / O isso / O é / O a / O falso / O texto / O para / O teste / O ./O

Como você pode ver, apenas a entidade "Damiano" é encontrada. Essa entidade está nos meus dados de treinamento, mas "John" (segundo teste) está dentro da gazzette. Então a questão é.

Por que a entidade John não é reconhecida?

Muito obrigado antecipadamente.