问题标签 [opennlp]

现在我有以下代码：

但我得到了以下结果：

当然，这不是我们想要的。我该如何解决这个问题？谢谢。

嗨，我们的目标是解析像维基百科这样的大型语料库，以生成最可能的解析树，并进行命名实体识别。就性能和准确性而言，哪个是实现这一目标的最佳库？有没有人使用过上述库中的一个以上？

我之前曾尝试在 OpenNLP sourceforge 页面上询问过这个问题，但在帮助论坛中仍然很遗憾：

我有一个树库，我想基于它训练一个模型。使用 ParserME 有一些代码，但该类似乎不再存在。看起来它可能已被 TreebankParser 取代，但我似乎无法在其中找到任何火车工具。有没有办法做到这一点？

欢迎任何提示

我目前正在开发一个关键词提取工具，它应该为网站上的文本或文档提供标签建议。当我遵循本文提出的方法时：A New Approach to Keyphrase Extraction Using Neural Networks我使用 OpenNLP 工具包的 POSTagger 作为第一步，即候选者选择。

一般来说，关键词提取效果很好。我的问题是，每次我想使用 POSTagger 时，我都必须从相应的文件中执行这种昂贵的模型加载：

这是因为这段代码不在网络服务器本身的范围内，而是在一个“处理程序”中，其生命周期只包括处理一个特定的请求。我的问题是：我怎样才能实现只加载一次文件？（我不想花 10 秒等待模型加载并在之后仅使用 200 毫秒。）

我的第一个想法是序列化POSTaggerME ( TokenizerME resp.) 并在每次需要时使用 Java 的内置机制反序列化它。不幸的是，这不起作用——它引发了一个异常。（我确实序列化了 WEKA 工具包中的分类器，该工具包最后对我的候选者进行分类，以便不必每次都构建（或训练）分类器。因此，我认为这也可能适用于 POSTaggeME。不幸的是，这是不是这样。）

在 Tokenizer 的情况下，我可以参考一个简单的WhitespaceTokenizer，它是一个较差的解决方案，但一点也不差：

但是对于可靠的 POSTagger，我看不到这个选项。

目前我正在使用 OpenNLP 工具对德语句子进行 PoS 标记，他们的下载站点上列出了 maxent 模型：

这很好用，我得到的结果是：

对于标记的句子，我想做一些进一步的处理，我必须知道单个标记的含义。不幸的是，在OpenNLP-Wiki中搜索标签集并不是很有帮助，因为它说：

有谁知道我在哪里可以找到德国 maxent 模型中使用的标签集？

我想查询R包openNLP中是否可以提取名词+名词或(adj|noun)+名词？也就是说，我想使用语言过滤来提取候选名词短语。你能指导我怎么做吗？非常感谢。

感谢您的回复。这是代码：

读者可以参考acqTagSplit上的索引来进行名词+名词或(adj|noun)+名词的提取。（代码不是最佳但可以工作。如果您有任何想法，请告诉我。）

此外，我还有一个问题。

Justeson 和 Katz (1995) 提出了另一种语言过滤来提取候选名词短语：

((Adj|Noun)+|((Adj|Noun) (Noun-Prep)?)(Adj|Noun) )名词

我不能很好地理解它的含义。您能否帮我解释一下或将这种表示形式转换为 R 语言。非常感谢。

OpenNLP（Java 中）无法识别格式为“2010 年 1 月 10 日”或“2010 年 1 月 10 日”的日期。在使用 OpenNLP 标记器之前，我将文本中的所有 ',' 替换为空字符串“”，它适用于“2010 年 1 月 10 日”形式的日期。因此，我尝试将“th”替换为“，”，但没有成功。我们如何确保上述表格的日期与 OpenNLP 一致？

提前致谢

我正在尝试使用 OpenNLP 进行标记化。我不知道有什么问题。以下是例外情况：

我正在使用OpenNLP从给定文本中提取命名实体。在大数据上运行代码时，它给了我以下错误。当我在小数据上运行它时，它工作正常。

这个你能帮我吗。

有没有办法使用 OpenNLP 获取句子的主题？我正在尝试识别用户句子中最重要的部分。通常，用户将向我们的“引擎”提交句子，我们想确切地知道该句子的核心主题是什么。

目前我们正在使用 openNlp 来：

1. 把句子分块
2. 识别句子的名词短语、动词等
3. 识别句子的所有“主题”
4. （尚未完成！）确定句子的“核心主题”

如果你有什么好主意，请告诉我..