从命令行输出OpenNLP POSTagger

Question

我想使用OpenNLP来标记泰语单词。我下载了OpenNLP和Thai tokenize model并运行以下

./bin/opennlp POSTagger -lang th -model thai.tok.bin < sentence.txt > output.txt

我将我下载的thai.tok.bin放在我调用的目录中并运行以下命令。 sentence.txt在กินอะไรยังนาย内有此文字。但是，我得到的输出只有这些文字：

Usage: opennlp POSTagger model < sentences
Execution time: 0.000 seconds

我是OpenNLP的新手，如果有人知道如何从中获取输出，请告诉我。

Answer 1

link中的模型已过时。首先，您需要一些手动步骤来转换模型。

1. 下载文件thai.tok.bin.gz并解压缩到空文件夹。将提取的文件thai.tok.bin重命名为token.model

2. 在同一文件夹中，使用以下内容创建名为manifest.properties的文件：

   Manifest-Version=1.0.  
   Language=th  
   OpenNLP-Version=1.5.0  
   Component-Name=TokenizerME  
   useAlphaNumericOptimization=false  
   

3. 现在您可以压缩文件，如果您使用的是Linux，则可以使用此命令：zip thai.tok.bin token.model manifest.properties

4. 试试你的模特：

   sh bin/opennlp TokenizerME ~/Downloads/thai-token.bin/thai.tok.bin <  thai_sentence.txt
   
   
   
   Loading Tokenizer model ... done (0,097s)     
   กินอะไร ยังนาย     
   
   
   Average: 333,3 sent/s      
   Total: 1 sent     
   Runtime: 0.003s     
   Execution time: 0,108 seconds 
   

现在你已经拥有了更新的标记器，你可以使用POS标记器模型。

1. 下载文件thai.tag.bin.gz并解压缩到空文件夹。将提取的文件thai.tag.bin重命名为pos.model

2. 在同一文件夹中，使用以下内容创建名为manifest.properties的文件：

   Manifest-Version=1.0
   Language=th
   OpenNLP-Version=1.5.0
   Component-Name=POSTaggerME
   

3. 现在您可以压缩文件，如果您使用的是Linux，则可以使用此命令：zip thai.pos.bin pos.model manifest.properties

最后，我们可以尝试将两个模型结合起来：

sh bin/opennlp TokenizerME ~/Downloads/thai-token.bin/thai.tok.bin < thai_sentence.txt > thai_tokens.txt
sh bin/opennlp POSTagger ~/Downloads/pt-pos-maxent/thai.pos.bin < thai_tokens.txt

结果是：

กินอะไร_VACT ยังนาย_NCMN

请告诉我这是否是预期结果。