我的工作是计划使用UIMA集群来运行文档以提取命名实体，而不是。据我了解，UIMA的NLP组件很少包装。我现在已经测试了GATE一段时间了，并且相当舒服。它在正常文本上运行正常，但是当我们通过一些有代表性的测试数据运行它时，精度会下降。我们内部的文本数据有时是全部大写，有时全是小写，或者是同一文档中两者的混合。即使使用ANNIE的全部大写规则，准确性仍然有很多不足之处。我最近听说过Stanford NLP和OpenNLP，但没有时间对它们进行广泛的训练和测试。这两者在准确性方面与ANNIE相比如何？他们是否像GATE那样与UIMA合作？
提前致谢。
答案 0 :(得分：21)
对这些系统的性能进行一般估计是不可能/不合理的。正如您所说，在您的测试数据上，准确性会下降。这有几个原因，一个是文档的语言特征，另一个是您期望看到的注释的特征。 Afaik对于每个NER任务都有类似但仍然不同的注释指南。
说到你的问题：
ANNIE是我能找到的唯一一个基于Java的免费开源规则NER系统。它是为新闻文章而写的，我猜这是为了完成MUC 6任务。它有利于概念的证明，但有点过时了。主要的优点是你可以在没有任何机器学习知识的情况下开始改进它，nlp，也许是一点点java。只要研究JAPE并试一试。
OpenNLP，斯坦福NLP等默认情况下都是新闻文章的模型和表演（只是看结果，从未在大型语料库上测试过）比ANNIE更好。我比OpenNLP更喜欢斯坦福解析器，再次只看文档，主要是新闻文章。
不知道你的文件是什么样的，我真的不能说更多。您应该决定您的数据是否适合规则，或者您使用机器学习方式并使用OpenNLP或Stanford解析器或Illinois tagger或其他任何内容。斯坦福解析器似乎更适合于倾注数据，训练和生成结果，而OpenNLP似乎更适合尝试不同的算法，玩参数等。
对于您对UIMA争议的GATE，我尝试了两者，并为GATE找到了更多的病毒社区和更好的文档。很抱歉发表个人意见：）
答案 1 :(得分：5)
仅仅是为了回答UIMA角度的记录：对于Stanford NLP和OpenNLP，通过DKPro Core project可以获得优秀的UIMA分析引擎包装。
答案 2 :(得分：3)
我想补充一点。 UIMA和GATE是用于创建自然语言处理（NLP）应用程序的两个框架。但是，名称实体识别（NER）是一个基本的NLP组件，您可以找到NER的实现，独立于UIMA和GATE。好消息是你通常可以在UIMA和GATE中找到适合NER的包装器。为了说清楚，请看这个例子：
斯坦福NER组件也是如此。
回到你的问题，这个网站列出了最先进的NER： http://www.aclweb.org/aclwiki/index.php?title=Named_Entity_Recognition_(State_of_the_art)
例如，在MUC-7竞赛中，名为LTG的最佳参与者得到的结果的准确率为93.39％。
http://www.aclweb.org/aclwiki/index.php?title=MUC-7_(State_of_the_art)
请注意，如果您想使用此类实施状态，则可能会对其许可证产生一些问题。