如何转换WebAnno名称实体注释以在OpenNLP中使用？

Posted 2021-04-18

基于此问题，我需要以XMI格式导出并使用DKPro Core转换为Brat格式：

https://github.com/webanno/webanno/issues/328

我试过这段代码，但没有成功

public void convert() throws Exception {

    SimplePipeline.runPipeline(CollectionReaderFactory
            .createReaderDescription(XmiReader.class, XmiReader.PARAM_SOURCE_LOCATION, "/tmp", XmiReader.PARAM_PATTERNS,
                    XmiReader.INCLUDE_PREFIX + "*.xmi"), AnalysisEngineFactory
              .createEngineDescription(BratWriter.class, BratWriter.PARAM_TARGET_LOCATION, "/tmp"));

    }

答案

brat格式的方言可能在DKPro Core BratWriter产生的内容与OpenNLP所期望的内容之间有所不同 - brat文件格式非常灵活。

如果您在WebAnno中使用内置的命名实体层，那么我会提出一个替代路线：

• 继续使用XMI导出
• 使用DKPro Core 1.9.0-SNAPSHOT加载XMI并将其提供给OpenNlpNamedEntityRecognizerTrainer组件

这应该避免需要额外的转换步骤。

披露：我是WebAnno和DKPro Core开发人员。

建议不起作用：

• 在WebAnno中导出为CoNLL 2002
• OpenNLP supports training the NER tool directly from CoNLL 2002 files。
• => Conll02NameSampleStream仅支持某些语言和命名实体类型......叹息