Использование молотка для наивной байесовской классификации: как и где создаются алфавиты?

Я пытаюсь использовать библиотеку машинного обучения MALLET в проекте для устранения неоднозначности слова. Мои векторы объектов состоят из окна токенов фиксированного размера х токенов слева и справа от целевого токена. Учебные примеры MALLET создаются следующим образом:

// Create training list
Pipe pipe = new TokenSequenceLowercase();
InstanceList instanceList = new InstanceList(pipe);
Instance trainingInstance = new Instance(data, senseID, instanceID, text);
instanceList.add(trainingInstance);
...
// Training
ClassifierTrainer classifierTrainer = new NaiveBayesTrainer();
Classifier classifier = classifierTrainer.train(trainingList);

где

• "data" - это ArrayList <String> с признаками функции
• "senseID" - это метка класса соответствующего смысла слова
• "instanceID" - это просто String, чтобы идентифицировать учебный экземпляр
• "текст" - это исходный исходный текст

Я ожидал, что свойства dataAlphabet и targetAlphabet экземпляра InstanceList будут построены на лету, когда будут добавлены учебные экземпляры, но это не так. Следовательно, мой код не работает в последней строке выше с NPE, так как свойство targetAlphabet тренера NB равно NULL.

Глядя на код MALLET (благодаря открытому исходному коду), я вижу, что основной причиной неконструкций Alphabets является то, что мои данные и метки не реализуют интерфейс AlphabetCarrying. Поэтому NULL возвращается в классе Instance:

public Alphabet getDataAlphabet() {
    if (data instanceof AlphabetCarrying)
        return ((AlphabetCarrying)data).getAlphabet();
    else
        return null;
}

Я считаю это довольно запутанным, потому что в документации говорится, что данные и метки могут быть любого типа объекта. Но эта вышеприведенная ошибка указывает, напротив, что мне нужно построить конкретный класс данных/меток, который реализует AlphabetCarrying.

Я чувствую, что я упускаю что-то важное на концептуальном уровне в отношении этих алфавитов. Кроме того, я не понимаю, если алфавит данных должен быть получен из всех учебных экземпляров или только одного. Может кто-нибудь объяснить ошибку здесь?

Ура,

Мартин