统计自然语言的合理性--标注

今天拜读了宗成庆老师的统计自然语言处理，讲到了分词标注使用的n元语法。标注时候考虑上下文，也就是向前考虑n个词的词性。觉得这是只是一个统计的数学统计方法，
下来一细想发现，这在理论上和我们认知是一样的，和我们人类学习是一样的。当我们在读到一个句子要理解这个句子，如果这个句子是我们熟悉的句子
我们会一下理解这些意思，如果是生僻的句子。比如:汉语学习文言文的过程，我们遇到会学，之、乎、者、也这样的词。
比如：“学而时习之，不亦说乎？”要理解这句话的前提是正确理解每一个字的意思，要理解意思要分析词性。比如：‘之’一字，
有多种意思分别做动词、代词、介词、助词。当‘之’前一个字为动词时，自身做代词的有2,3,4,5,6，做动词1（其它依然）。这里习也为动词，所以我们认为之为
代词。那我们认为这里的之为代词。这里的这个截图就是我们的语料库，所以根据概率统计我们得到了‘之’的词性为代词。但是
这一定对嘛？不一定，“吾欲之南海”就是一个反例。这里的实际意思到...去。我想要到南海去的意思。如果机器学习得到为代词是否是错误对的

？我认为不是。‘之’和‘南海’构成复合名词，动词后接名词，一样正确，翻译为：“我想要这南海”。所以基于我认为这是标注的难点。如果我这样翻译，老师就会告诉我这样不对。为什不对？老师说改翻译为“我要到南海去”。因为上下文不仅是句子里面的意思，而且要看上下几句的意思，整片文章的意思。期待后面的知识就解决这个问题，否则，我认为这也可以理解，因为人也会这么翻译。