我正在尝试使用RUTA注释文档，但并非词典中的所有术语都已启用。似乎单词表可能无法正确读取，或者RETAINTYPE（SPACE）/ RETAINTYPE（WS）无法正常工作。
示例：我在csv中使用术语“打开橱柜”，“打开橱柜”和“打开橱柜”。我读了RUTA的术语，并读了相应的列，但是当我分析文档时，只会注释“打开帐户”。
我尝试使用RETAINTYPE（SPACE）和RETAINTYPE（WS）来解决问题，但没有成功。
另外，如果我在读入单词表的csv中添加“ ope橱柜”一词，则“ ope橱柜”将是构建注释时触发的唯一短语。我被认为是单词表可能无法正确读入并过滤掉所有相似的长短语，这些短语都以相同的开头和相同的结尾。与前面提到的术语在同一csv中时，短语“开门”确实可以正确注释，但是其结尾不同。一旦我在同一csv中添加“打开门”，就不会注释“打开门”，而只会在“打开门”上触发
只有一个字长的短语，例如：“ opencupboard”，“ openscupboard”，在分析文档时不使用RETAINTYPE（SPACE）时可以正确触发，但是由于其他字段较短，我需要保留该空间导致我误报过多的短语。
我还用其他短语重现了这个问题。
基本上，我无法注释引理。
答案 0 :(得分：1)
在wordtable实现中，默认情况下会忽略空格。因此，“ hello world”将被索引为“ helloworld”。
默认情况下，通过RUTA分析内容也将忽略空格。因此，文档中的“ helloworld”将被识别，而且“ helloworld”，“ he llo wo rld”也是匹配项。
如果空格在您的上下文中很重要，则可以将字表配置为在建立索引时使用空格。这可以通过将配置参数（PARAM_DICT_REMOVE_WS = false）传递给引擎来完成。当然，在执行MARKTABLE操作之前，通过以下操作“ ADDRETAINTYPE（WS）;”使它们在RUTA脚本中也可见。
在RUTA 2.6.1（当前版本）中，单词表存在一些问题。有一些修复程序，但尚未修补。
https://issues.apache.org/jira/projects/UIMA/issues/UIMA-5752 https://issues.apache.org/jira/projects/UIMA/issues/UIMA-5775
如果使用2.6.1的配置不起作用，则可以尝试获取最新的2.6.1来源并对其应用补丁。也许这可以解决您的问题。