Stanford NER模型使用，训练自己的NER模型，终端使用和java调用

使用Stanford NER模型对语料进行命名实体识别

首先下载Stanford NER包，地址https://nlp.stanford.edu/software/CRF-NER.html，然后下载解压即可使用。

一、用Stanford NER原始训练好的模型对语料识别

     1.简单默认操作：
    命令：

java -mx600m -cp "*;lib\*" edu.stanford.nlp.ie.crf.CRFClassifier -loadClassifier classifiers/english.all.3class.distsim.crf.ser.gz -textFile sample.txt

   上面参数详解

-cp  表示依赖包路径（直接指定jar包也行，如将"*;lib\*"替换为stanford-ner.jar）；
classifiers/english.all.3class.distsim.crf.ser.gz   指选择的命名实体识别模型；
sample.txt 要识别语料的文件。

    2.可选参数，能选择数据输出格式，和输出到文件

    命令：

java -mx600m -cp "*;lib/*" edu.stanford.nlp.ie.crf.CRFClassifier -loadClassifier classifiers/english.all.3class.distsim.crf.ser.gz -outputFormat tabbedEntities -textFile sample.txt > sample.tsv

    

        -outputFormat tabbedEntities 指数据输出格式为tabbedEntities，如果不加这个参数，默认为在词的两边进行实体标注
        > sample.tsv 表示输出结果到文件sample.tsv

二、启用Stanford NER本地服务器处理NER

    1.开启服务器命令：

java -mx1000m -cp stanford-ner.jar edu.stanford.nlp.ie.NERServer  -loadClassifier classifiers/english.conll.4class.distsim.crf.ser.gz  -port 2314 -outputFormat inlineXML

     2.然后打开另一个终端，输入NER识别命令：

java -cp stanford-ner.jar edu.stanford.nlp.ie.NERServer -port 2314 -client

    3.接着在该终端中输入你要操作NER的语言，按回车键后就能看到识别结果

三、训练自己的模型：如果没有把Stanford NER配置到系统环境变量，以下操作需要在该文件下

    1.首先建立自己的标注语料，句子中的每个单词独立成行，Tab后跟该单词的标注类别，默认为O，例：将Friday（星期）标注为week

    2.训练标注语料产生模型：官方说虽然所有的参数都可以通过命令行的方式指定，但更推荐用配置文件的方式。

        配置文件（文件内容较多这里为给出），然后命名格式xxx.prop

    3.执行命令：  

java -cp stanford-ner.jar edu.stanford.nlp.ie.crf.CRFClassifier -prop xxx.prop

    然后会在该目录下看到一个xxx.ser.gz的模型文件    

    4.用自己的模型识别实体同上一或二，本识别结果如下：

四、java调用

    参考本项目地址：

四、Python接口使用

    参考博客链接：https://blog.csdn.net/qq_35203425/article/details/80451243