对于我目前正在进行的一个项目，我需要使用FrameNet注释来注释句子。 SEMAFOR 语义解析器 (https://github.com/Noahs-ARK/semafor) 很好地实现了这一点。我按照 git 存储库中的说明安装并配置了该工具。但是，如果我使用 cygwin 终端运行 runSemafor.sh 脚本，它会抛出 IllegalArgumentException ，指示无法解析生成的 pos.tagged 文件。
这是 cygwin 中的完整控制台输出(在 Windows 上运行):
$ ./runSemafor.sh D:/XFrame/Libs/Semafor/semafor/temp/sample.txt D:/XFrame/Libs/Semafor/semafor/temp/output 2
**********************************************************************
Tokenizing file: D:/XFrame/Libs/Semafor/semafor/temp/neu.txt
real 0m0.140s
user 0m0.015s
sys 0m0.108s
Finished tokenization.
**********************************************************************
**********************************************************************
Part-of-speech tagging tokenized data....
/cygdrive/d/XFrame/Libs/Semafor/semafor/scripts/jmx/cygdrive/d/XFrame/Libs/Semafor/semafor/bin
Read 11692 items from tagger.project/word.voc
Read 45 items from tagger.project/tag.voc
Read 42680 items from tagger.project/tagfeatures.contexts
Read 42680 contexts, 117558 numFeatures from tagger.project/tagfeatures.fmap
Read model tagger.project/model : numPredictions=45, numParams=117558
Read tagdict from tagger.project/tagdict
*This is MXPOST (Version 1.0)*
*Copyright (c) 1997 Adwait Ratnaparkhi*
Sentence: 0 Length: 9 Elapsed Time: 0.007 seconds.
real 0m0.762s
user 0m0.046s
sys 0m0.171s
/cygdrive/d/XFrame/Libs/Semafor/semafor/bin
Finished part-of-speech tagging tokenized data.
**********************************************************************
**********************************************************************
Converting postagged input to conll.
Exception in thread "main" java.lang.IllegalArgumentException:
at edu.cmu.cs.lti.ark.fn.data.prep.formats.SentenceCodec.decode(Sentence Codec.java:83)
at edu.cmu.cs.lti.ark.fn.data.prep.formats.SentenceCodec$SentenceIterato r.computeNext(SentenceCodec.java:115)
at edu.cmu.cs.lti.ark.fn.data.prep.formats.SentenceCodec$SentenceIterato r.computeNext(SentenceCodec.java:100)
at com.google.common.collect.AbstractIterator.tryToComputeNext(AbstractI terator.java:143)
at com.google.common.collect.AbstractIterator.hasNext(AbstractIterator.j ava:138)
at edu.cmu.cs.lti.ark.fn.data.prep.formats.ConvertFormat.convertStream(C onvertFormat.java:94)
at edu.cmu.cs.lti.ark.fn.data.prep.formats.ConvertFormat.main(ConvertFor mat.java:76)
Caused by: java.lang.IllegalArgumentException: PosToken must have 2 "_"-separate d fields
at com.google.common.base.Preconditions.checkArgument(Preconditions.java :92)
at edu.cmu.cs.lti.ark.fn.data.prep.formats.Token.fromPosTagged(Token.jav a:248)
at edu.cmu.cs.lti.ark.fn.data.prep.formats.SentenceCodec$2.decodeToken(S entenceCodec.java:28)
at edu.cmu.cs.lti.ark.fn.data.prep.formats.SentenceCodec.decode(Sentence Codec.java:79)
... 6 more
作为注释的示例文件，我使用存储库中的示例文件:
This is a test for SEMAFOR, a frame-semantic parser.
This is just a dummy line.
There's a Santa Claus!
生成的 pos.tagged 文件看起来好像没有错误。为什么会出现这个异常？
This_DT is_VBZ a_DT test_NN for_IN SEMAFOR_NNP ,_, a_DT frame-semantic_JJ parser_NN ._.
This_DT is_VBZ just_RB a_DT dummy_JJ line_NN ._.
There_EX 's_VBZ a_DT Santa_NNP Claus_NNP !_.
最佳答案
我遇到了与您所说的完全相同的问题，并自行解决了。这是因为解析器仅采用正确格式的输入文件，每行一个句子。
您需要做的是:在将每个句子写入文件时，在代码中添加以下行，以删除换行符或制表符。那么你应该可以开始了!
line = line.replace('\n', '')
line = line.replace('\t', '')
关于java - 运行 SEMAFOR 语义解析器抛出 IllegalArgumentException，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33947240/