命令行的OpenNLP POSTagger输出

Question

我想使用OpenNLP来标记泰语单词。我下载了OpenNLP和Thai tokenize模型，并运行了以下程序

./bin/opennlp POSTagger -lang th -model thai.tok.bin < sentence.txt > output.txt

我将下载的thai.tok.bin放在我调用的目录中并运行以下内容。sentence.txt在กินอะไรยังนาย中包含此文本。但是，我得到的输出只有这些文本：

Usage: opennlp POSTagger model < sentences
Execution time: 0.000 seconds

我对OpenNLP非常陌生，如果有人知道如何从中获取输出，请告诉我。

Answer 1

链接中的模型已经过时。首先，您需要一些手动步骤来转换模型。

>

下载文件thai.tok.bin.gz并解压缩到一个空文件夹。将解压缩的文件thai.tok.bin重命名为token.model

在同一个文件夹中，创建一个名为manifest.properties的文件，内容如下：

Manifest-Version=1.0.  
Language=th  
OpenNLP-Version=1.5.0  
Component-Name=TokenizerME  
useAlphaNumericOptimization=false  

现在您可以压缩文件，如果您正在使用Linux您可以使用以下命令：zipthai.tok.bintoken.modelmanifest.properties

试试你的模型：

sh bin/opennlp TokenizerME ~/Downloads/thai-token.bin/thai.tok.bin <  thai_sentence.txt



Loading Tokenizer model ... done (0,097s)     
กินอะไร ยังนาย     


Average: 333,3 sent/s      
Total: 1 sent     
Runtime: 0.003s     
Execution time: 0,108 seconds 

现在您已经有了更新的标记器，您可以对POS标记器模型进行类似的操作。

>

在同一文件夹中，创建一个名为manifest的文件。包含以下内容的属性：

Manifest-Version=1.0
Language=th
OpenNLP-Version=1.5.0
Component-Name=POSTaggerME

现在你可以压缩文件了，如果你使用的是Linux，你可以使用这个命令：zip-thai。pos.bin pos.model舱单。属性

最后，我们可以尝试两种模式的结合：

sh bin/opennlp TokenizerME ~/Downloads/thai-token.bin/thai.tok.bin < thai_sentence.txt > thai_tokens.txt
sh bin/opennlp POSTagger ~/Downloads/pt-pos-maxent/thai.pos.bin < thai_tokens.txt

结果是：

กินอะไร_VACT ยังนาย_NCMN

请告诉我这是否是预期结果。