文件说明：
	1.corpus：保存原始语料
	2.train：为提取过的训练语料特征
	
		标签说明：
			
			W-i：左边第i个单词(W为单词，-i为左边位置)
			Wi ：右边边第i个单词(W为单词，i为右边边位置)
			T-i：左边第i个单词的POS（T为单词，i为左边位置）
			Ti ：右边第i个单词的POS
			NULL_HEAD: 左边指定位置属性不存在的空缺标签
			NULL_TAIL：右边指定位置属性不存在的空缺标签
			最后一个为所属的意思，集训练结果
			PW：被嵌入的短语（如果有的话）
			PT：短语的POS
			所有属性/最后意思之间使用“ | ”（空格 竖线 空格）分开

	3.test：为提取的测试语料特征
		所有标签与 train 中相同，
		唯一区别：最后一个词为测试句子标签（主要是因为答案形式需要句子标签）
		namefile： 按顺序记录类原始训练语料中单词出现的顺序（也是为与答案顺序一致），做测试集时按顺序处理，输出

	4.result：存储输出结果	
		test_answer 为标准答案，用于评测

	5.src：源文件中有
		util： 提供类简单的filename读取方法， 评估结果方法

使用说明：
	1.Feature_Extractor.py: 特征提取脚本，按说明设置extract（）函数参数可以提取各种特征组合;
	2.NB.py：朴素贝叶斯模型,可以直接运行，也可以设置平滑参数smooth_rate调试运行;
	3.ANN_main.py：人工神经网络模型，可以设置隐藏层结点数量HiddenNum,迭代次数itNum,学习率learningRate,调试运行；
	4.max_entropy.py：最大熵模型，可以设置algorithm--优化算法（iis，gis）和max_iter--最大迭代次数，调试运行;
	5.svm.py：支持向量机，可设置惩罚系数C=10.0, 核函数参数gamma=0.0001，调试运行