OpenNLP中培训的“截止”和“迭代”是什么意思？

正确，术语“迭代”是指迭代算法的一般概念，其中人们着手通过连续产生（希望越来越精确）近似的“理想”解决方案来解决问题。一般而言，迭代次数越多，结果将越准确（“更好”），但是当然必须执行更多的计算步骤。

术语“截止”（又称“截止频率”）用于指定减小n-gram语言模型（如OpenNLP使用的语言，例如其词性标记）的大小的方法。考虑以下示例：

Sentence 1 = "The cat likes mice."
Sentence 2 = "The cat likes fish."
Bigram model = {"the cat" : 2, "cat likes" : 2, "likes mice" : 1, "likes fish" : 1}

如果在此示例中，将截止频率设置为1，则n元语法模型将减小为

Bigram model = {"the cat" : 2, "cat likes" : 2}

也就是说，截止方法从语言模型中删除了训练数据中很少出现的n-gram。有时有必要减小n-gram语言模型的大小，因为甚至更大的语料（甚至三字母组，4-gram等）的数量都会激增。然后，在给定（n-1）个先前单词（或POS标签）的情况下，剩余信息（n元语法计数）可用于统计估计单词（或其POS标签）的概率。