您好，

根据我对论文的理解，数据集的label应该是类似于'Michael', 'John'这样的名词，然而，再调试时，我发现train_transformer.py的389行之后，label_token_map从下表
'I-PER':['Michael', 'John', 'David', 'Thomas', 'Martin', 'Paul']
'I-ORG':['Corp', 'Inc', 'Commission', 'Union', 'Bank', 'Party']
'I-LOC':['England', 'Germany', 'Australia', 'France', 'Russia', 'Italy']
'I-MISC':['Palestinians', 'Russian', 'Chinese', 'Dutch', 'Russians', 'English']
变成了下面4个新字符
'I-PER':'I-PER'
'I-ORG':'I-ORG'
'I-LOC':'I-LOC'
'I-MISC':'I-MISC'
这4个新字符tokenize之后就变成 {28997: 'I-PER', 28998: 'I-ORG', 28999: 'I-LOC', 28996: 'I-MISC'}，这样，在训练过程中，所有实体的token所对应的label都被转换为28997，28998，28999，28996四者其中之一。这似乎与论文的label word engineering的思路不符。

请指教一下应该如何转换为论文中所说的discrete word或virtual word，作为Label。