我想根据文章所属的类别标记文字...
例如......
“使用微芯片监控离合器和齿轮” - ＆gt;离合/机械，齿轮/机械，微芯片/电子
“此处用于监测氢含量的软件” - ＆gt;软件/计算机，氢/化学..
如何使用openNLP或其他NLP引擎执行此操作。
我的作品
我尝试了NER模型，但它需要大量的训练语料库，我没有？
我的需要
是否有任何现成的培训语料库可用于NER或分类（它必须包含科学和工程词）..？
答案 0 :(得分：1)
如果要为整个句子创建一组类标签，那么您将需要使用Doccat lib。使用Doccat，您将获得每个文本块的概率分布。 使用doccat，您的样本将生成如下内容：
“使用微芯片监控离合器和齿轮” - ＆gt;机械0.85847568，电子0.374658
使用doocat，你将失去keyword-＆gt; classlabel映射，所以如果你真的需要它，doccat可能不会削减它。
对于NER，OpenNLP有一个名为Modelbuilder-addon的插件可以帮助你。它旨在加快NER模型建立的创建。您可以根据需要为每个类别创建一个文件/列表，然后创建一组句子的文件，然后使用插件使用种子术语和句子文件创建NER模型。看到这篇文章，我之前用代码示例描述了它。你必须从SVN下载插件。