📜  OpenNLP-命名实体识别

📅  最后修改于: 2020-11-23 03:56:17             🧑  作者: Mango


N AMEDêntity [R ecognition(NER)找到名字,人物,地点和其他实体,从给定文本的过程是已知的。在本章中,我们将讨论如何使用OpenNLP库通过Java程序执行NER。

使用开放NLP的命名实体识别

为了执行各种NER任务,OpenNLP使用不同的预定义模型,即en-nerdate.bn,en-ner-location.bin,en-ner-organization.bin,en-ner-person.bin和en-ner-time。斌所有这些文件都是预定义的模型,经过训练可以检测给定原始文本中的各个实体。

opennlp.tools.namefind软件包包含用于执行NER任务的类和接口。要使用OpenNLP库执行NER任务,您需要-

  • 使用TokenNameFinderModel类加载相应的模型。

  • 实例化NameFinder类。

  • 查找名称并打印。

以下是编写程序的步骤,该程序将从给定的原始文本中检测名称实体。

步骤1:载入模型

句子检测模型由名为TokenNameFinderModel的类表示,该类属于包opennlp.tools.namefind

加载NER模型-

  • 创建模型的InputStream对象(实例化FileInputStream并将String格式的相应NER模型的路径传递给其构造函数)。

  • 实例化TokenNameFinderModel类,并将模型的InputStream (对象)作为参数传递给其构造函数,如下面的代码块所示。

//Loading the NER-person model 
InputStream inputStreamNameFinder = new FileInputStream(".../en-nerperson.bin");       
TokenNameFinderModel model = new TokenNameFinderModel(inputStreamNameFinder);

步骤2:实例化NameFinderME类

软件包opennlp.tools.namefindNameFinderME类包含执行NER任务的方法。此类使用最大熵模型在给定的原始文本中查找命名实体。

实例化该类并传递在上一步中创建的模型对象,如下所示:

//Instantiating the NameFinderME class 
NameFinderME nameFinder = new NameFinderME(model);

步骤3:在句子中查找名称

NameFinderME类的find()方法用于检测传递给它的原始文本中的名称。此方法接受String变量作为参数。

通过将句子的String格式传递给此方法来调用此方法。

//Finding the names in the sentence 
Span nameSpans[] = nameFinder.find(sentence);

步骤4:打印句子中名称的范围

NameFinderME类的find()方法返回Span类型的对象数组。 opennlp.tools.util包的名为Span的类用于存储集合的开始结束整数。

您可以将find()方法返回的跨度存储在Span数组中并进行打印,如下面的代码块所示。

//Printing the sentences and their spans of a sentence 
for (Span span : spans)         
System.out.println(paragraph.substring(span);

NER示例

接下来是读取给定句子并识别其中人名范围的程序。将此程序保存在名称为NameFinderME_Example.java的文件中。

import java.io.FileInputStream; 
import java.io.InputStream;  

import opennlp.tools.namefind.NameFinderME; 
import opennlp.tools.namefind.TokenNameFinderModel; 
import opennlp.tools.util.Span;  

public class NameFinderME_Example { 
   public static void main(String args[]) throws Exception{ 
      /Loading the NER - Person model       InputStream inputStream = new 
         FileInputStream("C:/OpenNLP_models/en-ner-person.bin"); 
      TokenNameFinderModel model = new TokenNameFinderModel(inputStream);
      
      //Instantiating the NameFinder class 
      NameFinderME nameFinder = new NameFinderME(model); 
    
      //Getting the sentence in the form of String array  
      String [] sentence = new String[]{ 
         "Mike", 
         "and", 
         "Smith", 
         "are", 
         "good", 
         "friends" 
      }; 
       
      //Finding the names in the sentence 
      Span nameSpans[] = nameFinder.find(sentence); 
       
      //Printing the spans of the names in the sentence 
      for(Span s: nameSpans) 
         System.out.println(s.toString());    
   }    
}      

使用以下命令从命令提示符处编译并执行保存的Java文件-

javac NameFinderME_Example.java 
java NameFinderME_Example

执行时,上面的程序读取给定的String(原始文本),检测其中的人员名称,并显示其位置(跨度),如下所示。

[0..1) person 
[2..3) person 

名称及其位置

String类的substring()方法接受开始结束偏移量,并返回相应的字符串。我们可以使用此方法将名称及其范围(位置)一起打印,如下面的代码块所示。

for(Span s: nameSpans)        
   System.out.println(s.toString()+"  "+tokens[s.getStart()]);

以下是从给定的原始文本中检测名称并显示其位置的程序。将此程序保存在名称为NameFinderSentences.java的文件中。

import java.io.FileInputStream; 
import java.io.InputStream;  

import opennlp.tools.namefind.NameFinderME; 
import opennlp.tools.namefind.TokenNameFinderModel; 
import opennlp.tools.tokenize.TokenizerME; 
import opennlp.tools.tokenize.TokenizerModel; 
import opennlp.tools.util.Span;  

public class NameFinderSentences {  
   public static void main(String args[]) throws Exception{        
      
      //Loading the tokenizer model 
      InputStream inputStreamTokenizer = new 
         FileInputStream("C:/OpenNLP_models/entoken.bin");
      TokenizerModel tokenModel = new TokenizerModel(inputStreamTokenizer); 
       
      //Instantiating the TokenizerME class 
      TokenizerME tokenizer = new TokenizerME(tokenModel); 
       
      //Tokenizing the sentence in to a string array 
      String sentence = "Mike is senior programming 
      manager and Rama is a clerk both are working at 
      Tutorialspoint"; 
      String tokens[] = tokenizer.tokenize(sentence); 
       
      //Loading the NER-person model 
      InputStream inputStreamNameFinder = new 
         FileInputStream("C:/OpenNLP_models/enner-person.bin");       
      TokenNameFinderModel model = new TokenNameFinderModel(inputStreamNameFinder);
      
      //Instantiating the NameFinderME class 
      NameFinderME nameFinder = new NameFinderME(model);       
      
      //Finding the names in the sentence 
      Span nameSpans[] = nameFinder.find(tokens);        
      
      //Printing the names and their spans in a sentence 
      for(Span s: nameSpans)        
         System.out.println(s.toString()+"  "+tokens[s.getStart()]);      
   }    
} 

使用以下命令从命令提示符处编译并执行保存的Java文件-

javac NameFinderSentences.java 
java NameFinderSentences 

执行时,上述程序将读取给定的字符串(原始文本),检测其中的人员名称,并显示其位置(跨度),如下所示。

[0..1) person  Mike

查找位置的名称

通过加载各种模型,您可以检测到各种命名实体。以下是一个Java程序,该程序加载en-ner-location.bin模型并检测给定句子中的位置名称。将该程序保存在名为LocationFinder.java的文件中。

import java.io.FileInputStream; 
import java.io.InputStream;  

import opennlp.tools.namefind.NameFinderME; 
import opennlp.tools.namefind.TokenNameFinderModel; 
import opennlp.tools.tokenize.TokenizerME; 
import opennlp.tools.tokenize.TokenizerModel; 
import opennlp.tools.util.Span;  

public class LocationFinder { 
   public static void main(String args[]) throws Exception{
 
      InputStream inputStreamTokenizer = new 
         FileInputStream("C:/OpenNLP_models/entoken.bin"); 
      TokenizerModel tokenModel = new TokenizerModel(inputStreamTokenizer); 
       
      //String paragraph = "Mike and Smith are classmates"; 
      String paragraph = "Tutorialspoint is located in Hyderabad"; 
        
      //Instantiating the TokenizerME class 
      TokenizerME tokenizer = new TokenizerME(tokenModel); 
      String tokens[] = tokenizer.tokenize(paragraph); 
       
      //Loading the NER-location moodel 
      InputStream inputStreamNameFinder = new 
         FileInputStream("C:/OpenNLP_models/en- ner-location.bin");       
      TokenNameFinderModel model = new TokenNameFinderModel(inputStreamNameFinder); 
        
      //Instantiating the NameFinderME class 
      NameFinderME nameFinder = new NameFinderME(model);      
        
      //Finding the names of a location 
      Span nameSpans[] = nameFinder.find(tokens);        
      //Printing the spans of the locations in the sentence 
      for(Span s: nameSpans)        
         System.out.println(s.toString()+"  "+tokens[s.getStart()]); 
   }    
}   

使用以下命令从命令提示符处编译并执行保存的Java文件-

javac LocationFinder.java 
java LocationFinder

执行时,上面的程序读取给定的String(原始文本),检测其中的人员名称,并显示其位置(跨度),如下所示。

[4..5) location  Hyderabad

NameFinder概率

NameFinderME类的probs()方法用于获取最后解码序列的概率。

double[] probs = nameFinder.probs(); 

以下是打印概率的程序。将此程序保存在名为TokenizerMEProbs.java的文件中。

import java.io.FileInputStream; 
import java.io.InputStream; 
import opennlp.tools.tokenize.TokenizerME; 
import opennlp.tools.tokenize.TokenizerModel; 
import opennlp.tools.util.Span; 
public class TokenizerMEProbs { 
   public static void main(String args[]) throws Exception{     
      String sent = "Hello John how are you welcome to Tutorialspoint"; 
       
      //Loading the Tokenizer model 
      InputStream inputStream = new 
         FileInputStream("C:/OpenNLP_models/en-token.bin"); 
      TokenizerModel tokenModel = new TokenizerModel(inputStream); 
       
      //Instantiating the TokenizerME class 
      TokenizerME tokenizer = new TokenizerME(tokenModel); 
       
      //Retrieving the positions of the tokens 
      Span tokens[] = tokenizer.tokenizePos(sent); 
       
      //Getting the probabilities of the recent calls to tokenizePos() method 
      double[] probs = tokenizer.getTokenProbabilities(); 
       
      //Printing the spans of tokens 
      for( Span token : tokens) 
         System.out.println(token +" 
            "+sent.substring(token.getStart(), token.getEnd()));      
         System.out.println("  "); 
      for(int i = 0; i

使用以下命令从命令提示符处编译并执行保存的Java文件-

javac TokenizerMEProbs.java 
java TokenizerMEProbs

在执行时,上述程序读取给定的String,对句子进行标记,然后将其打印出来。另外,它还返回最后解码序列的概率,如下所示。

[0..5) Hello 
[6..10) John 
[11..14) how 
[15..18) are 
[19..22) you 
[23..30) welcome 
[31..33) to 
[34..48) Tutorialspoint 
   
1.0 
1.0 
1.0 
1.0 
1.0 
1.0 
1.0 
1.0