使用OpenNLP链接多个名称查找器实体
首先是一点背景：我试图在一个文档库中识别街道地址，我们决定，显而易见的解决方案是使用NLP（本例中为Apache OpenNLP）工具来实现这一点，到目前为止，一切看起来都很好，尽管我们仍然需要用大量文档来训练模型，但这并不是一个真正的问题。我们通过使用DataMake中的USAddress解析器，为地址验证添加了额外的步骤，从而改进了解决方案。我最大的问题是，如果地址旁边没有一个位置，地址本身就什么都不是，有时位置是在文本中指定的，我们假设这种情况经常发生。
我的问题来了：有没有办法使用共指来关联文本中的实体？或者更好的是，有没有一种方法可以对文本中的任意单词进行注释，并将它们标识为一个实体？
我一直在看ApacheOpenNLP文档，但是。。。它很薄，我认为它还需要一些改进。
共有3个答案
好吧，几个月后！我追求的不是Coref。。。我实际上在寻找的是关系提取（信息提取）。我使用了MITIE（BinaryRelation），这就成功了，我使用Brat注释工具训练了自己的模型，我得到了0.81的F1分数。非常整洁。。。
<罢工> OpenNLP不提供共引用解析模块。 你必须使用斯坦福或伊利诺伊或伯克利系统来完成任务。他们可能不会开箱即用，你可能必须做一些参数调整或监督训练来达到合理的性能。
@编辑
感谢@Alaye指出OpenNLP确实有一个coref模块，更多细节请参见他的答案
谢谢
如果你想使用共指来解决这个问题，你可以看看这个博客
但是一个更简单的解决方案是使用句子检测器RegEx或位置NER句子检测器（假设地址在一行中）
我认为可以使用正则表达式识别美国地址，一旦正则表达式匹配，就可以使用opennlp的句子检测器打印整个地址行。
同样，您可以使用opennlp提供的NER模型来查找位置并打印所需的句子。
希望这有帮助！
编辑
这次Github回购让我们变得简单。过来看！
-
我正在使用OpenNLP的NameFinder API示例文档。初始化名称查找器后，文档使用以下代码作为输入文本： 然而，当我将其引入eclipse时，“documents”（而不是“document”）变量给了我一个错误，表示变量documents无法解析。“documents”数组变量所指的文档是什么？我是否需要初始化一个名为“documents”的数组，该数组包含txt文件，以消除此错误？
-
我正在使用Apache Open NLP的NER。我已经成功训练了我的自定义数据。在使用名称查找器时，我正在根据空白拆分给定的字符串并传递字符串数组，如下所示。 在这里，当我使用split时，test和case作为单独的值给出，namefinder永远不会检测到它们。我将如何克服上述问题。是否有一种方法可以传递完整的字符串（而不将其拆分为数组），这样，测试用例本身就可以被视为一个整体？
-
我试图使用ApacheOpenNLP来识别文本中的日期实体。我创建了一个小java程序，该程序使用以下格式的一系列日期生成标记： 每个标签都是OpenNLP定义格式的句子。 我生成了大约40万条条目，并对模型进行了培训。培训结束后，我试图通过命令行使用TokenNameFinder来验证一切是否正常，但对于每个单词，我都键入finder，并将其标识为日期实体。例如，当我打字时： 我得到的是： 我想
-
根据文档中的指南，我试图在一些数据上测试training OpenNLP的Name Finder。然而，我遇到了错误：，这似乎没有任何意义。 我运行的命令是： 我从https://opennlp.apache.org/download.html.环境变量似乎设置正确，基本文件夹中的文件夹包含一个文件夹。 编辑：这似乎与CoNLL2003格式有关。如果我尝试直接运行训练器而不指定它就可以工作。但是我
-
我有这个html页面： 我成功地插入了列表中的所有链接： 但如何插入类别的名称？像这样：“动作，冒险........”
-
我是openNlp的新手。我开始训练一个模型（TokenNameFinderTrainer），以识别名称。到目前为止还不错，但现在我想识别组织（例如“Microsoft”）。 我的问题是：opennlp默认识别哪些类型的实体？（如果有的话...） 我看到它可以处理