实体化似乎无效。我遵循此处提到的类似方法，将entitymentions添加为annotators
How can I detect named entities that have more than 1 word using CoreNLP's RegexNER?
输入：“这是您的24美元”
我有一个TokensRegex：
{ ruleType: "tokens", pattern: ([{ner:"NUMBER"}] + [{word:"USD"}]), action: Annotate($0, ner, "NEW_MONEY"), result: "NEW_MONEY_RESULT" }
初始化管道：
props.setProperty("annotators", "tokenize,ssplit,pos,lemma,ner,tokensregex,entitymentions");
props.setProperty("tokensregex.rules", "basic_ner.rules");
我仍然有2个CoreEntityMention而不是1个。
两者对于edu.stanford.nlp.ling.CoreAnnotations$NamedEntityTagAnnotation具有相同的值，即NEW_MONEY
但是它们有不同的edu.stanford.nlp.ling.CoreAnnotations$EntityMentionIndexAnnotation
0的{{1}}
24 for 1
由于它们都具有相同的实体标签注释，因此如何合并它们。
使用 USD版的斯坦福图书馆。
答案 0 :(得分：1)
问题在于数字具有标准化的名称实体标签。
这是一个可以工作的规则文件：
# these Java classes will be used by the rules
ner = { type: "CLASS", value: "edu.stanford.nlp.ling.CoreAnnotations$NamedEntityTagAnnotation" }
normNER = { type: "CLASS", value: "edu.stanford.nlp.ling.CoreAnnotations$NormalizedNamedEntityTagAnnotation" }
tokens = { type: "CLASS", value: "edu.stanford.nlp.ling.CoreAnnotations$TokensAnnotation" }
# rule for recognizing company names
{ ruleType: "tokens", pattern: ([{ner:"NUMBER"}] [{word:"USD"}]), action: (Annotate($0, ner, "NEW_MONEY"), Annotate($0, normNER, "NEW_MONEY")), result: "NEW_MONEY" }
您不应在末尾添加额外的tokensregex注释符和entitymentions注释符。 ner注释器将它们作为子注释器运行。
这是一个示例命令：
java -Xmx10g edu.stanford.nlp.pipeline.StanfordCoreNLP -annotators tokenize,ssplit,pos,lemma,ner -ner.additional.tokensregex.rules new_money.rules -file new_money_example.txt -outputFormat text
更多文档在这里：