OpenNLP名称时间和日期的实体识别模型

Question

我正在使用OpenNLP模型进行名称实体识别。

我正在传递句子，我想要识别单词。 Open NLP需要一个String []变量，因此我将我的String拆分为由空格分隔的单词。

我正面临着识别日期的问题。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”分隔为3个不同的单词。虽然它们被认为是日期，但是3种不同的标记对我来说没有意义进行进一步处理。 我怎么可能分裂我的字符串，以便“2012年1月2日”可以作为一个字符串...... 2012年1月7日是一种格式...有时它也是2012年1月7日。日期还会识别我输入的时间格式：如下午12:18

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

Answer 1

Apache OpenNLP日期和时间模型是统计学的，从语料库中训练。它将从上下文中识别日期和时间，而不仅仅是格式。

如果您有特定需求，可以创建自己的语料库，并train创建自己的OpenNLP名称 Finder模型。

OpenNLP Name Finder还支持在培训时进行一些自定义。也许如果你创建一个语料库，并添加一些regex based features，你可以改善你的结果。