使用opennlp自定义命名实体

本文主要研究一下如何使用opennlp自定义命名实体,标注训练及模型运用。

maven

        <dependency>
            <groupId>org.apache.opennlp</groupId>
            <artifactId>opennlp-tools</artifactId>
            <version>1.8.4</version>
        </dependency>

实践

训练模型

        // train the name finder
        String typedEntities = "<START:organization> NATO <END>\n" +
                "<START:location> United States <END>\n" +
                "<START:organization> NATO Parliamentary Assembly <END>\n" +
                "<START:location> Edinburgh <END>\n" +
                "<START:location> Britain <END>\n" +
                "<START:person> Anders Fogh Rasmussen <END>\n" +
                "<START:location> U . S . <END>\n" +
                "<START:person> Barack Obama <END>\n" +
                "<START:location> Afghanistan <END>\n" +
                "<START:person> Rasmussen <END>\n" +
                "<START:location> Afghanistan <END>\n" +
                "<START:date> 2010 <END>";
        ObjectStream<NameSample> sampleStream = new NameSampleDataStream(
                new PlainTextByLineStream(new MockInputStreamFactory(typedEntities), "UTF-8"));

        TrainingParameters params = new TrainingParameters();
        params.put(TrainingParameters.ALGORITHM_PARAM, "MAXENT");
        params.put(TrainingParameters.ITERATIONS_PARAM, 70);
        params.put(TrainingParameters.CUTOFF_PARAM, 1);

        TokenNameFinderModel nameFinderModel = NameFinderME.train("eng", null, sampleStream,
                params, TokenNameFinderFactory.create(null, null, Collections.emptyMap(), new BioCodec()));

opennlp使用<START> 及 <END>来进行自定义标注实体,命名实体的话则在START之后用冒号标明,比如START:person

参数说明

  • ALGORITHM_PARAM

On the engineering level, using maxent is an excellent way of creating programs which perform very difficult classification tasks very well.

  • ITERATIONS_PARAM

number of training iterations, ignored if -params is used.

  • CUTOFF_PARAM

minimal number of times a feature must be seen

使用模型

上面训练完模型之后,就可以使用该模型进行解析

      NameFinderME nameFinder = new NameFinderME(nameFinderModel);

        // now test if it can detect the sample sentences

        String[] sentence = "NATO United States Barack Obama".split("\\s+");

        Span[] names = nameFinder.find(sentence);

        Stream.of(names)
                .forEach(span -> {
                    String named = IntStream.range(span.getStart(),span.getEnd())
                            .mapToObj(i -> sentence[i])
                            .collect(Collectors.joining(" "));
                    System.out.println("find type: "+ span.getType()+",name: " + named);
                });

输出如下:

find type: organization,name: NATO
find type: location,name: United States
find type: person,name: Barack Obama

小结

opennlp的自定义命名实体的标注,给以了一定定制空间,方便开发者定制各自领域特殊的命名实体,以提高特定命名实体分词的准确性。

doc

转载于:https://my.oschina.net/go4it/blog/1787740

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Spacy是一个强大的自然语言处理库,它支持各种语言,包括中文。在Spacy中,我们可以通过训练模型来识别和提取命名实体。下面是一些关于如何在Spacy中自定义中文命名实体的步骤: 1. 准备数据集:首先,需要准备一个包含中文文本和对应命名实体的数据集。这个数据集应该是一个json格式的文件,每个文本都应该包含一个“text”字段和一个“entities”字段,entities字段应该是一个列表,其中每个元素都是一个字典,包含“start”和“end”字段,分别表示命名实体在文本中的起始位置和结束位置,以及“label”字段,表示命名实体的类型。 2. 数据预处理:将数据集转换为Spacy可接受的格式。可以使用Spacy提供的工具函数,如spacy.gold.biluo_tags_from_offsets(),将实体坐标转换为BILUO(Beginning, Inside, Last, Unit, Outside)标签。还需要将数据集分为训练集、验证集和测试集。 3. 定义模型:Spacy提供了一个基于卷积神经网络和条件随机场(CRF)的命名实体识别模型,可以通过调用spacy.blank()函数创建一个空模型,并使用add_pipe()方法添加组件。 4. 训练模型:使用Spacy提供的训练函数,对模型进行训练。训练过程中需要指定训练数据、验证数据、迭代次数、批处理大小等参数。训练过程可以耗费较长时间,因此建议在GPU上进行训练。 5. 测试模型:在测试集上测试模型的性能。可以使用Spacy提供的evaluate()函数,计算模型的准确率、召回率和F1分数等指标。 6. 使用模型:将训练好的模型应用于新的中文文本,使用模型的nlp()方法对文本进行处理,并使用ents属性获取提取的命名实体。 需要注意的是,Spacy自带的中文模型性能较差,因此建议使用自定义模型进行中文命名实体识别。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值