Я пытаюсь подготовить файл en-ner-location.bin с помощью opennlp в java. Дело в том, что я получил учебный текстовый файл в следующем формате. <START:location> Fontana <END> <START:location> Palo Verde <END> <START:location> Picacho <END>
и я подготовил файл, используя следующий код
import java.io.BufferedOutputStream;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.FileReader;
import java.io.IOException;
import java.io.InputStream;
import java.nio.charset.Charset;
import java.util.Collections;
import opennlp.tools.namefind.NameFinderME;
import opennlp.tools.namefind.NameSample;
import opennlp.tools.namefind.NameSampleDataStream;
import opennlp.tools.namefind.TokenNameFinderModel;
import opennlp.tools.tokenize.Tokenizer;
import opennlp.tools.tokenize.TokenizerME;
import opennlp.tools.tokenize.TokenizerModel;
import opennlp.tools.util.ObjectStream;
import opennlp.tools.util.PlainTextByLineStream;
import opennlp.tools.util.Span;
public class TrainNames {
@SuppressWarnings("deprecation")
public void TrainNames() throws IOException{
File fileTrainer=new File("citytrain.txt");
File output=new File("en-ner-location.bin");
ObjectStream<String> lineStream = new PlainTextByLineStream(new FileInputStream(fileTrainer), "UTF-8");
ObjectStream<NameSample> sampleStream = new NameSampleDataStream(lineStream);
System.out.println("lineStream = " + lineStream);
TokenNameFinderModel model = NameFinderME.train("en", "location", sampleStream, Collections.<String, Object>emptyMap(), 1, 0);
BufferedOutputStream modelOut = null;
try {
modelOut = new BufferedOutputStream(new FileOutputStream(output));
model.serialize(modelOut);
} finally {
if (modelOut != null)
modelOut.close();
}
}
}
У меня не было никаких ошибок или предупреждений, но когда я пытаюсь получить название города из строки, такой как cnt = "Джон планирует специализироваться на электротехнике в UC Fontana и продолжить карьеру в IBM"; Он возвращает всю строку, которую кто-нибудь может сказать мне, почему...??
Добро пожаловать в SO! Похоже, вам нужно больше контекста вокруг каждой аннотации местоположения. Я считаю, что прямо сейчас openNLP думает, что вы тренируете его, чтобы найти слова (любое слово), потому что ваши данные обучения имеют только одно слово. Вам нужно аннотировать места в целых предложениях, и вам понадобится как минимум несколько сотен проб, чтобы начать видеть хорошие результаты.
См. Также этот ответ: как я тренирую идентификатор распознавателя имен в OpenNLP?