java - 是否有可以在Hadoop上运行的多语言时态标记器？

Question

我需要从大量文本中提取日期。语言越多越好；至少英语，西类牙语和葡萄牙语。是否存在这样的工具？在Java和Mavenized？这是我发现的:

http://code.google.com/p/heideltime/许多语言和令人印象深刻的在线演示，但需要一些奇怪的外部依赖关系，我怀疑这将使群集部署变得困难/不可能

http://nlp.stanford.edu/software/sutime.shtml有据可查，但仅英语。容易训练？

http://natty.joestelmach.com/仅英语

https://github.com/samtingleff/jchronic仅英语

http://code.google.com/p/nltk/source/browse/trunk/nltk_contrib/nltk_contrib/timex.py仅英语

我还应该看哪里？

Answer 1

您可能会发现Apache Tika有用。