如果您想了解为什么StanfordCoreNLPNER注释器默认加载3个模型？的相关知识，那么本文是一篇不可错过的文章，我们将对注释放在哪里进行全面详尽的解释，并且为您提供关于Eclipse下使用St

如果您想了解为什么Stanford CoreNLP NER注释器默认加载3个模型？的相关知识，那么本文是一篇不可错过的文章，我们将对注释放在哪里进行全面详尽的解释，并且为您提供关于Eclipse 下使用 Stanford CoreNLP 的方法、Eclipse 编译StanfordNLP、Java Stanford NLP：语音标签的一部分？、java – Stanford CoreNLP – 未知变量：WEEKDAY的有价值的信息。

• 为什么Stanford CoreNLP NER注释器默认加载3个模型？（注释放在哪里）
• Eclipse 下使用 Stanford CoreNLP 的方法
• Eclipse 编译StanfordNLP
• Java Stanford NLP：语音标签的一部分？
• java – Stanford CoreNLP – 未知变量：WEEKDAY

为什么Stanford CoreNLP NER注释器默认加载3个模型？（注释放在哪里）

当我在StanfordCoreNLP对象管道中添加“ ner”注释器时，我可以看到它加载了3个模型，这需要很多时间：

Adding annotator nerLoading classifier from edu/stanford/nlp/models/ner/english.all.3class.distsim.crf.ser.gz ... done [10.3 sec].Loading classifier from edu/stanford/nlp/models/ner/english.muc.7class.distsim.crf.ser.gz ... done [10.1 sec].Loading classifier from edu/stanford/nlp/models/ner/english.conll.4class.distsim.crf.ser.gz ... done [6.5 sec].Initializing JollyDayHoliday for SUTime from classpath: edu/stanford/nlp/models/sutime/jollyday/Holidays_sutime.xml as sutime.binder.1.Reading TokensRegex rules from edu/stanford/nlp/models/sutime/defs.sutime.txtReading TokensRegex rules from edu/stanford/nlp/models/sutime/english.sutime.txtReading TokensRegex rules from edu/stanford/nlp/models/sutime/english.holidays.sutime.txt

有没有一种方法可以加载同样工作的子集？特别是，我不确定为什么当它具有7级模型时为什么要加载3级和4级NER模型，并且我想知道是否不加载这两种仍然可以工作。

答案1

您可以设置以这种方式加载哪些模型：

命令行：

-ner.model model_path1,model_path2

Java代码：

 props.put("ner.model", "model_path1,model_path2");

其中model_path1和model_path2应该类似于：

"edu/stanford/nlp/models/ner/english.all.3class.distsim.crf.ser.gz"

模型是分层应用的。运行第一个模型并应用其标签。然后是第二个，第三个，依此类推。如果需要较少的模型，则可以在列表中放入1或2个模型，而不是三个默认模型，但这会改变系统的性能。

如果将“ ner.combinationMode”设置为“ HIGH_RECALL”，则将允许所有模型应用其所有标签。如果将“ ner.combinationMode”设置为“ NORMAL”，则将来的模型将无法应用以前模型设置的任何标签。

默认情况下，所有三个模型都针对不同的数据进行了训练。例如，与7类模型相比，使用3类模型训练的数据要多得多。因此，每个模型都在做不同的事情，它们的结果都被组合在一起以创建最终的标签序列。

Eclipse 下使用 Stanford CoreNLP 的方法

源码下载地址：CoreNLP 官网。

目前 release 的 CoreNLP version 3.5.0 版本仅支持 java-1.8 及以上版本，因此有时需要为 Eclipse 添加 jdk-1.8 配置，配置方法如下：

• 首先，去 oracle 官网下载 java-1.8，下载网址为：java 下载，安装完成后。
• 打开 Eclipse，选择 Window -> Preferences -> Java –> Installed JREs 进行配置：
• 点击窗体右边的“add”，然后添加一个“Standard VM”（应该是标准虚拟机的意思），然后点击“next”；
• 在”JRE HOME”那一行点击右边的“Directory…”找到你java 的安装路径，比如“C:Program Files/Java/jdk1.8”

这样你的 Eclipse 就已经支持 jdk-1.8 了。

1. 新建 java 工程，注意编译环境版本选择 1.8

2. 将官网下载的源码解压到工程下，并导入所需 jar 包

如导入 stanford-corenlp-3.5.0.jar、stanford-corenlp-3.5.0-javadoc.jar、stanford-corenlp-3.5.0-models.jar、stanford-corenlp-3.5.0-sources.jar、xom.jar 等

导入 jar 包过程为：项目右击 ->Properties->Java Build Path->Libraries，点击 “Add JARs”，在路径中选取相应的 jar 包即可。

3. 新建 TestCoreNLP 类，代码如下

package Test;

import java.util.List;
import java.util.Map;
import java.util.Properties;

import edu.stanford.nlp.dcoref.CorefChain;
import edu.stanford.nlp.dcoref.CorefCoreAnnotations.CorefChainAnnotation;
import edu.stanford.nlp.ling.CoreAnnotations.LemmaAnnotation;
import edu.stanford.nlp.ling.CoreAnnotations.NamedEntityTagAnnotation;
import edu.stanford.nlp.ling.CoreAnnotations.PartOfSpeechAnnotation;
import edu.stanford.nlp.ling.CoreAnnotations.SentencesAnnotation;
import edu.stanford.nlp.ling.CoreAnnotations.TextAnnotation;
import edu.stanford.nlp.ling.CoreAnnotations.TokensAnnotation;
import edu.stanford.nlp.ling.CoreLabel;
import edu.stanford.nlp.pipeline.Annotation;
import edu.stanford.nlp.pipeline.StanfordCoreNLP;
import edu.stanford.nlp.semgraph.SemanticGraph;
import edu.stanford.nlp.semgraph.SemanticGraphCoreAnnotations.CollapsedCCProcessedDependenciesAnnotation;
import edu.stanford.nlp.sentiment.SentimentCoreAnnotations;
import edu.stanford.nlp.trees.Tree;
import edu.stanford.nlp.trees.TreeCoreAnnotations.TreeAnnotation;
import edu.stanford.nlp.util.CoreMap;

public class TestCoreNLP {
    public static void main(String[] args) {
        // creates a StanfordCoreNLP object, with POS tagging, lemmatization, NER, parsing, and coreference resolution
        Properties props = new Properties();
        props.put("annotators", "tokenize, ssplit, pos, lemma, ner, parse, dcoref");
        StanfordCoreNLP pipeline = new StanfordCoreNLP(props);
        
        // read some text in the text variable
        String text = "Add your text here:Beijing sings Lenovo";
        
        // create an empty Annotation just with the given text
        Annotation document = new Annotation(text);
        
        // run all Annotators on this text
        pipeline.annotate(document);
        
        // these are all the sentences in this document
        // a CoreMap is essentially a Map that uses class objects as keys and has values with custom types
        List<CoreMap> sentences = document.get(SentencesAnnotation.class);
        
        System.out.println("word\tpos\tlemma\tner");
        for(CoreMap sentence: sentences) {
             // traversing the words in the current sentence
             // a CoreLabel is a CoreMap with additional token-specific methods
            for (CoreLabel token: sentence.get(TokensAnnotation.class)) {
                // this is the text of the token
                String word = token.get(TextAnnotation.class);
                // this is the POS tag of the token
                String pos = token.get(PartOfSpeechAnnotation.class);
                // this is the NER label of the token
                String ne = token.get(NamedEntityTagAnnotation.class);
                String lemma = token.get(LemmaAnnotation.class);
                
                System.out.println(word+"\t"+pos+"\t"+lemma+"\t"+ne);
            }
            // this is the parse tree of the current sentence
            Tree tree = sentence.get(TreeAnnotation.class);
            
            // this is the Stanford dependency graph of the current sentence
            SemanticGraph dependencies = sentence.get(CollapsedCCProcessedDependenciesAnnotation.class);
        }
        // This is the coreference link graph
        // Each chain stores a set of mentions that link to each other,
        // along with a method for getting the most representative mention
        // Both sentence and token offsets start at 1!
        Map<Integer, CorefChain> graph = document.get(CorefChainAnnotation.class);
    }
}

PS：该代码的思想是将 text 字符串交给 Stanford CoreNLP 处理，StanfordCoreNLP 的各个组件（annotator）按 “tokenize（分词）, ssplit（断句）, pos（词性标注）, lemma（词元化）, ner（命名实体识别）, parse（语法分析）, dcoref（同义词分辨）” 顺序进行处理。

处理完后 List<CoreMap> sentences = document.get (SentencesAnnotation.class); 中包含了所有分析结果，遍历即可获知结果。

这里简单的将单词、词性、词元、是否实体打印出来。其余的用法参见官网（如 sentiment、parse、relation 等）。

4. 执行结果：

5. 关于 CoreNLP 详细内容：

http://stanfordnlp.github.io/CoreNLP/

Eclipse 编译StanfordNLP

1、源码最新下载地址：http://nlp.stanford.edu/software/index.shtml;

2、解压stanford-corenlp.zip;

3、打开Eclipse新建JAVA项目stanford-corenlp，然后在项目根目录创建文夹名"lib";

4、将步骤2解压出的*.jar复制到刚才新建lib目录中；stanford-corenlp-3.3.1-sources源代码解压至项目目录src里后，刷新项目；

5、将lib中*.jar文件添加引用；

6、将步骤2解压文件中的input.txt拷贝到工程根目录下，图片参上，项目编译完成后input.txt.xml会自动产生；

7、编译器版本应该大于等于1.6否则会出错；

8、编译成功提示如下：

可参考地址：

http://nlp.stanford.edu/software/index.shtml

http://blog.csdn.net/jdbc/article/details/50494622

Java Stanford NLP：语音标签的一部分？

Colorless/JJ green/JJ ideas/NNS sleep/VBP furiously/RB ./.

java – Stanford CoreNLP – 未知变量：WEEKDAY

关于为什么Stanford CoreNLP NER注释器默认加载3个模型？和注释放在哪里的问题就给大家分享到这里，感谢你花时间阅读本站内容，更多关于Eclipse 下使用 Stanford CoreNLP 的方法、Eclipse 编译StanfordNLP、Java Stanford NLP：语音标签的一部分？、java – Stanford CoreNLP – 未知变量：WEEKDAY等相关知识的信息别忘了在本站进行查找喔。