执行此 Stanford NLP FAQ 中的步骤后,我能够生成模型的 zip 文件。但在文档中,他们使用 TSV 文件来计算针对已注释文件的预测准确性,但没有任何文档说明如何针对新文件对其进行测试!
用于生成模型的命令是
java -Xmx10240m -cp 'path_to_stanford-ner.jar' edu.stanford.nlp.ie.crf.CRFClassifier -prop austen.prop
其中 austen.prop 是影响训练的属性
这里是 Java 初学者,如果这是一个愚蠢的问题,请原谅
最佳答案
解决方案是获取要针对模型测试的输入文件并将其转换为 TSV 文件,该文件可以通过以下命令提供给 ner 模型
java -cp stanford-ner.jar edu.stanford.nlp.ie.crf.CRFClassifier -loadClassifier ner-model.ser.gz -testFile converted_to_tsv.tsv
这是一个在 python 中将文件转换为 TSV 的小脚本:
import json
import re
file = filepath
for line in open(file, mode="r",encoding = 'utf8'):
regex = '[ ]'
with open('output.tsv','w+') as output_file:
for line in list(filter(bool, file.splitlines())):
for word in re.split(split_regex,line):
print(word+"\tO")
output_file.write(word+"\tO"+"\n")
关于nltk - 我们如何使用使用自定义数据集训练斯坦福 NER 标记器后生成的输出文件?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56493505/