Question

我正在创建一个TokensRegex注释器来提取建筑物的楼层数（仅举例说明我的问题）。我有一个简单的模式，将“4层”和“4层”识别为我的自定义实体“FLOORS”的实例。我还想添加一个NormalizedNER注释，使用表达式中使用的数字实体的规范化值，但我无法按照我想要的方式工作：

ner = { type: "CLASS", value: "edu.stanford.nlp.ling.CoreAnnotations$NamedEntityTagAnnotation" }
normalized = { type: "CLASS", value: "edu.stanford.nlp.ling.CoreAnnotations$NormalizedNamedEntityTagAnnotation" }
tokens = { type: "CLASS", value: "edu.stanford.nlp.ling.CoreAnnotations$TokensAnnotation" }

ENV.defaults["ruleType"] = "tokens"

{
  pattern: ( ( [ { ner:NUMBER } ] ) /floor(s?)/ ),
  action: ( Annotate($0, ner, "FLOORS"), Annotate($0, normalized, $$1.text) ) 
}

上述规则仅将输出中的NormalizedNER字段分别设置为上述示例的数字“4”和“4”的文本值。有没有办法使用NUMBER实体的规范化值（“4”和“4”都是“4.0”）作为我的“FLOORS”实体的规范化值？

提前致谢。

Answer 1

尝试更改

action: ( Annotate($0, ner, "FLOORS"), Annotate($0, normalized, $$1.text) )

到

action: ( Annotate($0, ner, "FLOORS"), Annotate($0, normalized, $$1.normalized) )

Annotate需要三个参数

arg1 =要注释的对象（通常是由$ 0指示的匹配令牌）
arg2 =注释字段
arg3 = value（在这种情况下，您需要NormalizedNER字段而不是文本字段）

Answer 2

按照你的建议使用$$ 1. normalized，运行输入＆＃34; The 建筑有七层楼＃34;产生以下错误消息：注释文件test.txt {从七中提取注释时出错楼层}

可能是因为NamedEntityTagAnnotation所代表的令牌尚未存在$$1密钥。我想，在运行TokensRegex之前，你要确保你的数字代币 - 要么是＆＃34;四＆＃34;或＆＃34; 4＆＃34;在这种情况下 - 具有相应的标准化值 - ＆＃34; 4.0＆＃34;在这种情况下 - 设置为NamedEntityTagAnnotation密钥。

另外，请你指点我到哪里可以找到更多信息关于Annotate（）可能的第三个参数？你的Javadoc页面 TokensRegex表达式没有列出$$ n.normalized（也许它需要更新？）

我相信，$$n.normalized将会做的是检索在Java代码中等于coreLabel.get(edu.stanford.nlp.ling.CoreAnnotations$NormalizedNamedEntityTagAnnotation.class) coreLabel CoreLabel类型{{1}的值的值与TokensRegex中的$$n对应。这是因为TokensRegex中的以下行：normalized = { type: "CLASS", value: "edu.stanford.nlp.ling.CoreAnnotations$NormalizedNamedEntityTagAnnotation" }

Answer 3

正确的答案是基于@AngelChang的回答和评论，我只是为了ordeliness而在这里张贴。

必须修改规则，以便第二个Annotate（）动作的第三个参数是$1[0].normalized：

{
  pattern: ( ( [ { ner:NUMBER } ] ) /floor(s?)/ ),
  action: ( Annotate($0, ner, "FLOORS"), Annotate($0, normalized, $1[0].normalized) ) 
}

根据@Angel的评论：

$ 1 [0]。normalized是＆＃34;标准化＆＃34;第1个第0个标记的字段捕获组（作为CoreLabel）。 $$ 1让你回来了 MatchedGroupInfo具有＆＃34;文本＆＃34;字段但不是规范化的字段（因为它在实际令牌上）

Stanford TokensRegex：如何使用NER注释的标准化输出设置标准化注释？

3 个答案: