块的早期定义是发生在裂缝之间的材料。开发一个分块器，首先将整个句子放在一个块中，然后仅通过敲击来完成其余的工作。在您自己的实用程序的帮助下，确定哪些标签（或标签序列）最有可能组成问题。比较此方法相对于完全基于块规则的分块器的性能和简单性。

这是一个很有趣的问题，分块器是自然语言处理中很有用的工具。对于这个问题，我们可以使用基于机器学习的方法来开发一个分块器，例如使用条件随机场（CRF）或者基于神经网络的模型。这些模型可以利用上下文信息和语法特征来预测哪些部分是块。

相比之下，基于规则的分块器需要手动编写规则，这可能非常耗时且难以维护。另外，基于规则的分块器通常无法捕捉到上下文信息和语法特征，因此可能会导致分块错误。

因此，使用基于机器学习的方法来开发分块器可能会更加准确和灵活，而且不需要手动编写规则。当然，这也需要有足够数量和质量的标注数据来训练模型。