自然语言结构化处理工具-Apache UIMA Ruta使用（一）基于Eclipse的WorkBench安装

一、背景介绍

最近接到一个任务，需要对医院患者的门诊病历和住院患者的病程记录进行分析，根据其症状对其归类，比如同时出现发热和咳嗽的归类为发热伴呼吸道症候群，同时出现发热和咳血的归为发热伴出血症候群。比较麻烦的是，发热的表述不止一种，比如高烧、高热，体温高，热峰38.5度，都算发热，血痰血便也都算出血。如果出现发热2天这种表述的，需要根据就诊时间往前推两天作为其发病时间。而且如果熟悉病程记录的话，会知道病程记录经常会出现否定表述。

如果是“无发热、咳嗽，否认大便异常”这种表述，那患者就即不发热，也不咳嗽，同时大便也是正常的。

基于以上限制，考虑使用Apache UIMA Ruta进行处理。

二、Apache UIMA Ruta简介

Apache UIMA (Unstructured Information Management Architecture)，从英文能看出来，它是一个用于分析非结构化内容（比如文本、视频和音频）的组件架构和软件框架实现，用于对非结构化数据进行分析处理用的。而Ruta(Rule-based Text Annotation) 则是UIMA下面一个专门用于文本处理的组件，它是基于规则脚本的，可以很方便地用它 来抽取文本信息中的信息

三、Ruta使用安装Workbench

Ruta提供了一个基于Eclipse的Workbench，使得我们能够很方便的在其中编写调试自己的脚本，查看规则的运行结果

安装步骤如下：

此步骤基于Eclipse 版本Version: 2023-09 (4.29.0)，有些版本按照此流程会卡在某些步骤或者出现安装失败的问题，可尝试更换此版本

此步骤基于Eclipse 版本Version: 2023-09 (4.29.0)，有些版本按照此流程会卡在某些步骤或者出现安装失败的问题，可尝试更换此版本

此步骤基于Eclipse 版本Version: 2023-09 (4.29.0)，有些版本按照此流程会卡在某些步骤或者出现安装失败的问题，可尝试更换此版本

打开Eclipse之后，点击“Help → Install New Software”会出现一个弹窗

在Work with一栏中填入：“http://www.apache.org/dist/uima/eclipse-update-site/”，点击Add

在弹窗中给他添加一个名字：UIMA Ruta

继续点击Add，稍等一会儿会弹出三个组件：

我这里是已经安装过了，在三个组件前打上勾，往后一路Next就可以了，遇到弹窗可能需要勾选同意，点同意就可以了，知道勾选完成，我用的Eclipse 版本Version: 2023-09 (4.29.0)，一路安装下来，还是很顺利的。

四、Workbench使用

1、新建项目

workbench安装完成之后，在平时新建项目的地方右键，会弹出来Uima Ruta Project

没有的话，点Other

在弹出来的窗口找到UIMA Rutra Project，点Next，输入项目名称我这里以Test1234为例

项目就新建好了

2、项目目录介绍

1）script

这里是存放规则脚本的地方

2）descriptoer

这里是一些存放描述文件的地方，里面的文件很多都会自动生成

3）resources

顾名思义，这里是放置处理器运行时所需的资源文件的地方

4）input

要处理的文本文件放置在这里

5）output

Ruta处理完的数据会放在这里

6）test

可以先不管

3、文本处理示例

我们先在Input中放入一个文本文件，其中的内容就是开头我们展示的病历内容

然后在script包上右键，选择UIMA Ruta Package（这一步虽然不是必须的，但就跟我们不会把java直接放入src目录下一样，这里的规则脚本其实就是我们要运行的代码，我们也用包管理起来），给包起个名字com.test

然后在test包上右键，选择UIMA Ruta File,给赋予个名字，比如就叫Main

点击Finish之后，Script.com.test包下新建了一个.ruta结尾的文件的同时，在descriptor文件夹下，会自动创建一个同名的包，并自动生成两个文件。笔者写这篇文章时候测试了下，如果前一步不建包的话，这一步的两个文件 是不会同步生成的。

注意到这时候，我们的脚本文件里面还只是空的，什么都没有，只有一行“PACKAGE com.test;”定义了这个脚本所在的包，但是！我们依然在Main.ruta这个文件上右键->Run as->UIMA Ruta

Eclipse的绿色进度条跑完之后，之前为空的output文件夹下，生成了一个文件

双击这个.xmi文件，可以看到如下的界面

编辑器的右面会多出来一个窗口，勾选NUM

会发现所有的数字，都被标注了出来，恭喜你，你已经能在WorkBenchh中运行脚本了