OpenNLP的Name Finder怎么使用

這篇文章主要介紹“OpenNLP的Name Finder怎么使用”，在日常操作中，相信很多人在OpenNLP的Name Finder怎么使用問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”OpenNLP的Name Finder怎么使用”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

 ##Named Entity Recognition 命令實體識別## Name Finder可以檢測文本中的命名實體和數字。要檢測實體，Name Finder需要一個模型。模型依賴于它訓練的語言和實體類型。OpenNlP提供了許多預訓練的name finder模型，他們使用各種各樣可以免費得到的語料庫訓練。他們可以在我們的模型下載頁面下載。在未經處理的（raw）文本中發現names，這個文本必須被分割成tokens和Sentences。在Sentence detector和tokenizer 入門中給出了詳細的描述。確保用于訓練的tokenization數據和輸入文本是相同的。

###Name Finder Tool### ###Name Finder API### 在一個生產系統中使用Name Finder，強烈推薦直接嵌入它到應用程序中，而不是使用命令行接口。首先，必須從磁盤或者其他源加載name finder模型。下面的示例實在磁盤加載的.

InputStream modelIn = new FileInputStream("en-ner-person.bin");

try {
  TokenNameFinderModel model = new TokenNameFinderModel(modelIn);
}
catch (IOException e) {
  e.printStackTrace();
}
finally {
  if (modelIn != null) {
    try {
      modelIn.close();
    }
    catch (IOException e) {
    }
  }
}

有許多原因會導致模型加載失?。?/p>

• 基本的I/O問題

• 模型的版本和OpenNLP版本不兼容

• 模型加載到錯誤的組件，例如，一個tokenizer模型加載到TokenNameFinderModel類

• 由于其他一些原因模型內容不可用

在模型加載后，NameFinderME可以實例化。

NameFinderME nameFinder = new NameFinderME(model);

初始化現在完成，Name Finder現在可以使用。NameFinderME不是線程安全的，他必須只在一個線程中調用。要使用多線程多NameFinderME實例共享可以創建相同的模型實例。輸入本文必須切分成documents，sentences，和tokens。應用程序調用find方法在文檔中的每一個sentence中執行實體檢測。After every document clearAdaptiveData must be called to clear the adaptive data in the feature generators.Not calling clearAdaptiveData can lead to a sharp drop in the detection rate after a few documents. 下面的代碼解釋了這個：

for (String document[][] : documents) {

  for (String[] sentence : document) {
    Span nameSpans[] = nameFinder.find(sentence);
    // do something with the names
  }

  nameFinder.clearAdaptiveData()
}

下面的片段展示了find的一個調用：

String sentence[] = new String[]{
    "Pierre",
    "Vinken",
    "is",
    "61",
    "years"
    "old",
    "."
    };

Span nameSpans[] = nameFinder.find(sentence);

到此，關于“OpenNLP的Name Finder怎么使用”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！