问题标签 [opennlp]

我知道这个问题更像是一个语法问题，但是如果你有一系列Penn Treebank标记，你如何确定一个句子的“主题”：

是否有任何 java 库可以接收此类标记并确定哪个是主题？或者是哪些？

对于英语句子，一切正常。这个错误是什么意思，我怎么能骑它？

单个单词的相同错误：

我正在使用 OpenNLP 模型进行名称实体识别。

我正在传递句子，我想在其中识别单词。Open NLP 需要一个 String [] 变量，因此我将我的 String 拆分为以空格分隔的单词。

我面临识别日期的问题。例如，如果字符串包含日期：2012 年 1 月 7 日，我将字符串拆分为单词，“7”、“Jan”和“2012”将被分隔为 3 个不同的单词。虽然它们被识别为日期，但 3 个不同的标记对我来说没有意义进行进一步处理。我怎么可能拆分我的字符串，以便可以将“2 Jan 2012”视为一个字符串...... 2012 年 1 月 7 日是一种格式......有时它也是 2012 年 1 月 7 日。日期也能识别我输入的时间格式：比如 12:18pm

NER 时间模型无法识别 12:18pm 或 09:52:52 的时间。它接受什么样的时间格式？

在 python 中执行opennlp POSTaggerwithsubprocess.call时，结果出错。但是当我将相同的命令放入终端时，结果是正确的。

经过一些测试，我认为这是因为opennlp未能正确加载模型文件，所以问题是什么？该模型是用中文训练的，我使用python 2.7。

OpenNLP 运行时没有任何警告或错误，但它标记输入句子完全错误。它在终端中提供正确的标签。我想这是一个编码问题，但我不确定。

这是代码。它没什么特别的，只包含 ascii 字符。打印此命令并复制到终端，结果是正确的。

现在我知道这是语言环境/编码问题（通过 strace 调试脚本）。但是将 python 语言环境设置为en_US.utf-8or是没有用的zh_CN.utf-8。我的 shell 语言环境设置是zh_CN.utf-8.

我正在尝试将 OpenNLP 集成到 Hadoop 上的 map-reduce 作业中，从一些基本的句子拆分开始。在 map 函数中，运行以下代码：

当我运行我的工作时，我在日志中收到一条错误消息，提示“in must not be null！” （类抛出错误的来源），这意味着我无法以某种方式打开模型的 InputStream。其他花絮：

• 我已经验证模型文件存在于sentenceModelPath所指的位置。
• 我为 opennlp-maxent:3.0.2-incubating、opennlp-tools:1.5.2-incubating 和 opennlp-uima:1.5.2-incubating 添加了 Maven 依赖项。
• Hadoop 只是在我的本地机器上运行。

其中大部分是来自OpenNLP 文档的样板。在 Hadoop 端或 OpenNLP 端有什么我遗漏的东西会导致我无法从模型中读取吗？

本文包含用于嘈杂通道中拼写错误的混淆矩阵。它描述了如何根据条件属性更正错误。

条件概率计算在第 2 页左栏。在脚注 4，第 2 页，左栏，作者说：“字符矩阵可以很容易地复制，因此从附录中省略。” 我无法弄清楚它们如何被复制！

如何复制它们？我需要原始语料库吗？或者，作者是否意味着他们可以从论文本身的材料中重新计算？

我有一个文本，我想从中提取名词短语。我可以很容易地为我拥有的文本获取类型化的解析器，但想知道如何提取文本中的名词短语？

我正在完成一项任务，我必须提取文本中名词的一致特征......一致特征如：

无论如何要从文本中提取这些特征....

我发现创建自己的模型 openNLP 很困难。谁能告诉我，如何拥有模型。培训应该如何进行。

输入应该是什么以及输出模型文件将存储在哪里。

我正在根据在线手册（http://opennlp.apache.org/documentation/1.5.2-incubating/manual/opennlp.html）构建一个 15k 行的训练数据文档，名为：en-ner-person.train。

我的问题是：在我的培训文档中，我是否包含完整的报告？还是我只包括具有名称的行：<START:person> John Smith <END>？

因此，例如，我是否在训练数据中使用整个报告：

还是我只在我的培训文档中包含这两行：