OpenNLP Name Finder

Question

Estoy usando el NameFinder API ejemplo doc de OpenNLP. Después de inicializar el Finder Nombre de la documentación utiliza el siguiente código para el texto de entrada:

for (String document[][] : documents) { 

    for (String[] sentence : document) { 
    Span nameSpans[] = nameFinder.find(sentence); 
    // do something with the names 
    } 

    nameFinder.clearAdaptiveData() 
} 

Sin embargo, cuando haga llegar esta eclipsó los 'documentos' (no 'documento') Variable me da un error diciendo que la variable los documentos no se pueden resolver. ¿A qué se refiere la documentación con la variable de matriz 'documentos'? ¿Debo inicializar una matriz llamada 'documentos' que contiene archivos txt para que este error desaparezca?

Gracias por su ayuda.

Answer 1

El OpenNLP documentation indica que el texto de entrada debe segmentarse en documentos, oraciones y tokens. La pieza de código que proporcionó ilustra cómo tratar con varios documentos.

Si tiene un solo documento, no necesita el primero, solo el interno con la matriz de oraciones, que está compuesto por una matriz de tokens.

Para crear una matriz de oraciones de un documento, puede usar OpenNLP SentenceDetector, y para cada oración puede usar OpenNLP Tokenizer para obtener la matriz de tokens.

Su código se verá así:

// somehow get the contents from the txt file 
//  and populate a string called documentStr 

String sentences[] = sentenceDetector.sentDetect(documentStr); 
for (String sentence : sentences) { 
    String tokens[] = tokenizer.tokenize(sentence); 
    Span nameSpans[] = nameFinder.find(tokens); 
    // do something with the names 
    System.out.println("Found entity: " + Arrays.toString(Span.spansToStrings(nameSpans, tokens))); 
} 

Usted puede aprender cómo utilizar el SentenceDetector y la Tokenizer de OpenNLP documentation documentación.