Question

我想知道有人可以帮助我。我认为这对于任何试图在GATE（文本工程的通用架构）上进行机器学习的人都有用。所以基本上进行机器学习我首先需要在一些jape文件中添加一些代码，这样我的输出XML文件就会打印出Annotation Id值作为一个特性。下面提供了一个示例：

<Annotation Id="1491" Type="Person" StartNode="288" EndNode="301">
<Feature>
  <Name className="java.lang.String">id</Name>
  <Value className="java.lang.String">1491</Value>
</Feature>

（请注意，1491的特征值与Annotation Id =“1491”匹配。这就是我想要的。）

为什么我需要这个：我正在对最初不包含注释的纯文本文档进行机器学习。我正在使用GATE网站上的2012年6月培训课程作为指导。我特别关注模块11：关系教程（它找到了人与组织之间的雇佣关系）。我利用93个预注释文档的语料库进行培训，然后将该学习模块应用于我的文档。但首先我通过ANNIE运行我的文档。它创建了许多注释和功能，但不是我需要的所有机器学习。我通过试验/错误和调查了解到，我的带注释的文档必须包含每个“人”和“组织”类型的注释ID的功能。我认识到Batch Learning PR中使用的配置文件（relations-config.xml）查找“Person”和“Organization”类型的id功能。如果不存在这些ID功能，它将无法运行。所以我手动添加它，然后通过机器学习“APPLICATION”模式运行它。它运作得相当不错。但是我显然不希望每次都手动将id功能添加到我的XML文件中。

我用门代码编写的内容：我相信我已经找到了我需要更改的代码文件（final.jape，org_context.jape和name_context.jape），因此他们可以将该id功能添加到包含“Person”和“Organization”的每个注释中。我不太了解GATE使用的语言（我是一名机械工程师，而不是软件工程师），这可能就是为什么我无法解决这个问题（哈！）。无论如何，我可能会关闭，可能需要添加更多的行来使jape文件正常工作，但我觉得我已经非常仔细地指出了它。有两部分代码相似但略有不同，这些代码目前是我存在的祸根。第一个通过迭代器循环，第二个没有。我将下面那些2复制/粘贴在一行，说明WHAT_DO_I_PUT_HERE，表明我认为我的问题和解决方案在哪里。如果有人可以帮我完成我需要写的东西以获得我的结果，我将非常感激。

谢谢！ - 托德

////////////第一段代码////////////////

Rule: PersonFinal
Priority: 30
//({JobTitle}
//)?
(
 {TempPerson.kind == personName}
)
:person
--> 
{
gate.FeatureMap features = Factory.newFeatureMap();
gate.AnnotationSet personSet = (gate.AnnotationSet)bindings.get("person");
gate.Annotation person1Ann = (gate.Annotation)personSet.iterator().next();


gate.AnnotationSet firstPerson = (gate.AnnotationSet)personSet.get("TempPerson");
if (firstPerson != null && firstPerson.size()>0)
{
  gate.Annotation personAnn = (gate.Annotation)firstPerson.iterator().next();
  if (personAnn.getFeatures().containsKey("gender")) features.put("gender", personAnn.getFeatures().get("gender"));
}
  features.put("id", WHAT_DO_I_PUT_HERE.getId().toString());
  features.put("rule1", person1Ann.getFeatures().get("rule"));
  features.put("rule", "PersonFinal");
outputAS.add(personSet.firstNode(), personSet.lastNode(), "Person", features);
outputAS.removeAll(personSet);
}

////////////第二段代码////////////////

Rule:OrgContext1
Priority: 1
// company X
// company called X

(
 {Token.string == "company"}
 (({Token.string == "called"}|
   {Token.string == "dubbed"}|
   {Token.string == "named"}
  )
 )?
)
( 
 {Unknown.kind == PN}
)
:org
-->
{
gate.AnnotationSet org = (gate.AnnotationSet) bindings.get("org");
gate.FeatureMap features = Factory.newFeatureMap();
features.put("id", WHAT_DO_I_PUT_HERE.getId().toString());
features.put("rule ", "OrgContext1");
outputAS.add(org.firstNode(), org.lastNode(), "Organization", features);
outputAS.removeAll(org);
}

Answer 1

在创建实际注释之前，您无法访问注释ID。我解决这个问题：

Rule:PojemId
(
 {PojemD}
):pojem
--> 
{
    AnnotationSet matchedAnns = bindings.get("pojem");  
    Annotation ann = matchedAnns.get("PojemD").iterator().next();

    FeatureMap pojemFeatures = ann.getFeatures();
    gate.FeatureMap features = Factory.newFeatureMap();
    features.putAll(pojemFeatures);
    features.put("annId", ann.getId()); 

    inputAS.remove(ann); 
    Integer id = outputAS.add(matchedAnns.firstNode(), matchedAnns.lastNode(), "PojemD", features);  
    features.put("id", id); 
}

Answer 2

这很简单。您必须通过某个标签（在我的示例中为token_match）标记规则的右侧（RHS）上的注释，然后在左手侧< / em>（LHS）规则，只需获取相应的 AnnotationSet 形式bindings变量并迭代注释（通常只有一个注释）并将相应的ID复制到输出

Phase: Main Input: Token Rule: WriteTokenID ( ({Token}):token_match ) --> { AnnotationSet as = bindings.get("token_match"); for (Annotation a : as) { FeatureMap features = Factory.newFeatureMap(); features.put("origTokenId", a.getId()); outputAS.add(a.getStartNode(), a.getEndNode(), "NewToken", features); } }

在您的代码中，您可能希望以某种方式标记{TempPerson.kind == personName}和{Unknown.kind == PN}。

( ({TempPerson.kind == personName}):temp_person ) :person

和

( {Token.string == "company"} (({Token.string == "called"}| {Token.string == "dubbed"}| {Token.string == "named"} ) )? ) ( ({Unknown.kind == PN}):unknown_org ) :org

他们分别使用bindings.get("temp_person")和bindings.get("unknown_org")。

GATE将注释ID写为功能

2 个答案: