在OpenNLP中使用带参数的自定义特征生成器

Question

我正试图在一个项目中使用XML特性生成器描述符和一些非标准特性设置OpenNLP NameFinder。XML描述符支持自定义功能生成器：

<generators>
  <cache>
    <generators>
      ...
      <custom class="com.example.MyFeatureGenerator"/>
   </cache>
</generators>

但是，留档并没有提到将参数传递给特征生成器。为特征生成器的每一个稍微不同的配置创建一个新类是不可取的。另一方面，以编程方式创建特征生成器可能意味着复制大部分用于处理特征生成器设置的OpenNLP代码。在OpenNLP中使用自定义特征生成器的推荐方法是什么？

Answer 1

还没有合适的解决方案，但我通过在OpenNLP中注册一个新功能工厂来解决这个问题。不幸的是，这需要通过反射访问OpenNLP类GeneratorFactory的私有部分。这是一个工作解决方案。

首先，定义一个新类，名为XMLDescriptorRutil：

import java.lang.reflect.Field;
import java.lang.reflect.InvocationHandler;
import java.lang.reflect.Method;
import java.lang.reflect.Proxy;
import java.util.Map;

import opennlp.tools.util.InvalidFormatException;
import opennlp.tools.util.featuregen.AdaptiveFeatureGenerator;
import opennlp.tools.util.featuregen.FeatureGeneratorResourceProvider;
import opennlp.tools.util.featuregen.GeneratorFactory;

import org.w3c.dom.Element;

public final class XmlDescriptorUtil {
  private XmlDescriptorUtil(){};

  public static abstract class XmlDescriptorFactory implements InvocationHandler
  {
    @Override
    public Object invoke(Object proxy, Method method, Object[] args) throws Throwable {
      return create((Element)args[0], (FeatureGeneratorResourceProvider)args[1]);
    }

    public abstract AdaptiveFeatureGenerator create(Element generatorElement, FeatureGeneratorResourceProvider resourceManager)
      throws InvalidFormatException;
  }

  public static void register(String name, XmlDescriptorFactory factory) throws Exception
  {
    Class<?> factoryInterface = Class.forName(GeneratorFactory.class.getName()+"$XmlFeatureGeneratorFactory");
    Object proxy = Proxy.newProxyInstance(GeneratorFactory.class.getClassLoader(), new Class[]{factoryInterface}, factory);
    registerByProxy(name, proxy);
  }

  private static void registerByProxy(String name, Object proxy) throws Exception
  {
    Field f = GeneratorFactory.class.getDeclaredField("factories");
    f.setAccessible(true);
    @SuppressWarnings("unchecked")
    Map<String, Object> factories = (Map<String, Object>) f.get(null);
    factories.put(name, proxy);
  }

}

然后，创建一个功能生成器工厂，该工厂实现公共接口XMLDescriptorRutil$XmlDescriptorFactory：

public static void main(String[] args) {
  XmlDescriptorUtil.register("myCustom", new XmlDescriptorUtil.XmlDescriptorFactory() {
    @Override
    public AdaptiveFeatureGenerator create(Element generatorElement, FeatureGeneratorResourceProvider resourceManager) throws InvalidFormatException {
      return new MyFeatureGenerator();
    });
}

现在，功能生成器已准备就绪，可以在XML描述符中使用：

<generators>
  <cache>
    <generators>
      ...
      <myCustom/>
    </generators>
  </cache> 
</generators>

如果特征生成器需要参数，可以从factory类中的generatorElement中提取这些参数。

Answer 2

如果您不介意在Apache OpenNLP上打开一个jira问题并请求修复此问题。自定义元素应该可以传入参数和外部资源。