Question

我正在尝试最新版本的Stanford CoreNLP。当我提取位置或组织名称时，我看到每个单词都用注释标记。因此，如果该实体是“纽约时报”，那么它将被记录为三个不同的实体：“NEW”，“YORK”和“TIMES”。我发现最新的CoreNLP有“entitymentions”注释器。我认为这个注释器可以帮助我解决这个问题。但是，此注释器没有使用说明或示例。有人能给我更多关于这个新功能的信息吗？

Answer 1

查看mentions annotation键。这应附在句子上，并包含与每次提及相对应的CoreMaps列表。因此，应该有一个与“纽约时报”相对应的CoreMap。

Answer 2

我想没有注释器会将NEW YORK TIMES注释为单个实体，除非您使用此类数据集训练模型。

斯坦福NER和POS标记器使用一些数据集进行训练，在此基础上它将对实体进行注释。（我看到，它在stanford源文件中有一些人，位置，组织的文本字典列表。它将决定要注释哪些实体）。

训练有素的数据集可以将Newyork注释为实体，如果您想将NEW YORK TIME注释为实体，那么在这种情况下您必须使用此类数据集进行训练。

我使用此注释器tokenize,ssplit,pos,lemma,ner,parse,dcoref进行了测试。

查询：New York Times is really nice.

结果：[Text=New CharacterOffsetBegin=0 CharacterOffsetEnd=3 PartOfSpeech=NNP Lemma=New NamedEntityTag=ORGANIZATION] [Text=York CharacterOffsetBegin=4 CharacterOffsetEnd=8 PartOfSpeech=NNP Lemma=York NamedEntityTag=ORGANIZATION] [Text=Times CharacterOffsetBegin=9 CharacterOffsetEnd=14 PartOfSpeech=NNP Lemma=Times NamedEntityTag=ORGANIZATION] [Text=is CharacterOffsetBegin=15 CharacterOffsetEnd=17 PartOfSpeech=VBZ Lemma=be NamedEntityTag=O] [Text=really CharacterOffsetBegin=18 CharacterOffsetEnd=24 PartOfSpeech=RB Lemma=really NamedEntityTag=O] [Text=nice CharacterOffsetBegin=25 CharacterOffsetEnd=29 PartOfSpeech=JJ Lemma=nice NamedEntityTag=O] [Text=. CharacterOffsetBegin=29 CharacterOffsetEnd=30 PartOfSpeech=. Lemma=. NamedEntityTag=O]

查询：Newyork times

结果：[Text=Newyork CharacterOffsetBegin=0 CharacterOffsetEnd=7 PartOfSpeech=NNP Lemma=Newyork NamedEntityTag=LOCATION] [Text=times CharacterOffsetBegin=8 CharacterOffsetEnd=13 PartOfSpeech=NNS Lemma=time NamedEntityTag=O]

Answer 3

尝试

Integer entityMentionIndex = coreLabel.get(CoreAnnotations.EntityMentionIndexAnnotation.class);

如果您使用字符串"New York Times newspaper is distributed in California"进行尝试，则可以看到每个单词 New ， York < / em>和 Times 。这意味着如果索引相同，则这些单词是单个实体。

如何在stanford CoreNLP中使用entitymentions annotator？

3 个答案: