Apache OpenNLP名称实体查找程序识别错误单词

Question

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：

<START:date> {dd/MM/yyyy} <END> .

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：

today is 17/04/2017

我得到的是：

<START:date> today <END> <START:date> is <END> <START:date> 17/04/2017 <END>  

我想可能是因为除了日期之外我没有提供任何单词，所以我尝试在标签前后使用一个随机字符串，但训练时间太长了。

谁能告诉我这是我的训练集的问题还是我必须做的其他事情？

Answer 1

为了训练机器学习取名器模型，你需要一个尽可能接近运行时数据的训练语料库。如果你的约会对象表现良好，不需要机器学习，你可以试试基于正则表达式的one RegexNameFinder。

如果培训要花很长时间，要么培训太大，要么你几乎没有空行来标记文档的结尾。有关详细信息，请参阅命名实体识别文档。