スタンフォードcoreNLPスペイン語モデル/辞書を拡張するには

Question

スタンドフォードコアNLPを使用してテキストから名前付きエンティティを取得するだけで、 "hello world"を実行します。しかし、 "Ixhuatlancillo"や "Veracruz"のように、いくつかの場所が正しく認識されていない場合、LUG（場所）としてラベルを付けなければならない両方の都市にORGというラベルが付けられます。 スペイン語のモデルや辞書を拡張してメキシコの場所（都市）を追加し、人名を追加したいと考えています。これどうやってするの？

ありがとうございます。

Answer 1

regexner注釈を使用するのが最も簡単で簡単な方法です。これを使用して手動で辞書を構築することができます。ここ

は、例えば、ルール形式である2

トークンシーケンスタグタグは、その--上書きでき

システム管理者タイトルMISC（タブで区切られた、最初の列は、単語の任意の数であってもよいです）

上記の規則では、テキストに「システム管理者」というタイトルが付けられます。あなたのケースでは

：

ベラクルスLUG MISC、ORG、PERS 2

これは、辞書はMISC、ORGS、とPERSを上書きすることができます。 3番目の列に余分なタグを追加しないと、以前にタグ付けされたnerタグは上書きされません。

あなたはそれを実行するには、このようなコマンドを使用する場合があります。

java -Xmx8g edu.stanford.nlp.pipeline.StanfordCoreNLP -annotators tokenize,ssplit,pos,lemma,ner,regexner -props StanfordCoreNLP-spanish.properties -regexner.mapping /path/to/new_spanish.rules - regexner.ignorecase -regexner.validpospattern "^(NN|JJ|NNP).*" -outputFormat text -file sample-text.txt 

注regexner.ignorecaseはケースレスの試合をすることを意味し、-regexner.validpospatternはあなたが唯一の指定されたPOSタグパターンを有する配列と一致する必要がありますと言っていること。

言われているこのすべては、私はちょうど文に走っ：

Ella fue a Veracruz. 

、それが適切にタグ付けされています。 Veracruzに間違ったタグを付ける原因となった文章を教えてください。