如何使用Stanford NLP（或其他软件包）来训练我自己的coref（共参考分辨率）模型？

Question

我有类似的文本：＆＃34;这项研究是作为工作，家庭和健康网络（www.WorkFamilyHealthNetwork.org）的一部分进行的，该网络由国家卫生研究院和国家卫生研究院的合作协议资助。美国疾病控制和预防中心：Eunice Kennedy Shriver国家儿童健康与人类发展研究所（Grant＃U01HD051217，U01HD051218，U01HD051256，U01HD051276），国家老龄化研究所（Grant＃U01AG027669），行为与科学科学研究办公室，国家职业安全与健康研究所（Grant＃U01OH008788，U01HD059773）。＆＃34;我需要将资助者与其资助号联系起来，例如：国立卫生研究院和疾病控制与预防中心：Eunice Kennedy Shriver国家儿童健康与人类发展研究所 - U01HD051217，U01HD051218，U01HD051256，U01HD051276国家老龄化研究所 - U01AG027669。我认为这是一个共同解决问题，并试图训练我自己的模型。知道我怎么能这样做吗？我尝试按照此处的说明（https://stanfordnlp.github.io/CoreNLP/coref.html#training-new-models），但由于他们使用的是C0NLL数据集，因此我不知道如何将自己的数据转换为格式。有人帮忙吗？

Answer 1

java -cp "*" -Xmx4g edu.stanford.nlp.pipeline.StanfordCoreNLP -annotators tokenize,ssplit,pos,lemma,ner -file input.txt -outputFormat conll

上面会给你一个conll格式数据

然后你可以获得coref的xml并与conll合并以获得完整的数据