什么是UIMA CAS（共同注释结构）的NLTK等价物？

Question

在UIMA中，CAS（通用注释结构）在构建NLP应用程序中起主要作用。它允许将一个组件添加的元数据传递到下一个组件中。例如，句子标记化器的句子边界可以添加到CAS并由后续的单词标记器使用。

NLTK中的等效数据结构是什么？

Answer 1

简而言之，NLTK中没有与CAS（通用分析系统）相同的概念。后者使用比UIMA更简单的表示文本的方法。在NLTK中，texts are simply lists of words，而在UIMA中，您将非常复杂（和重量级）的数据结构定义为CAS的一部分，用于描述输入数据及其通过UIMA系统的流程。

话虽如此，我认为他们中的两个无论如何都要服务于不同的目的。如果我要为NLTK命名Java等价物，我会选择OpenNLP toolkit而不是UIMA。前者提供了许多基于机器学习的NLP算法（NLTK等），而后者是基于组件的框架，不仅适用于NLP，还适用于非结构化数据。也就是说，它定义了一个用于构建使用非结构化数据的应用程序的通用模型。