File 在opennlp中训练自己的模型

我发现很难创建自己的openNLP模型。 谁能告诉我，如何拥有自己的模型。 如何进行培训

---

输入应该是什么以及输出模型文件将存储在哪里。

也许本文将帮助您解决这个问题。它描述了如何从维基百科提取的数据中进行标记名查找器培训

这个网站非常有用，在代码中显示，并使用OpenNLP应用程序训练所有不同类型的模型，如实体提取和词性等

我可以在这里给你一些代码示例，但是页面使用起来非常清晰

理论方面：

基本上，您创建了一个文件，其中列出了您想要培训的内容

例如

体育[空白]这是一个关于足球、橄榄球等的网页

政治[空白]这是一个关于托尼·布莱尔担任首相的页面

---

上述页面描述了格式（每个型号需要不同的格式）。创建此文件后，通过API或opennlp应用程序（通过命令行）运行它，它将生成一个.bin文件。一旦你有了这个.bin文件，你就可以将它加载到一个模型中，并开始使用它（根据上面网站中的api）。

首先你需要用所需的实体来训练数据

句子应以新行字符（\n）分隔。应使用空格字符将值与标记分隔。
假设您想要创建医学实体模型，那么数据应该是这样的：

<START:medicine> Augmentin-Duo <END> is a penicillin antibiotic that contains two medicines - <START:medicine> amoxicillin trihydrate <END> and 
<START:medicine> potassium clavulanate <END>. They work together to kill certain types of bacteria and are used to treat certain types of bacterial infections.

Augmentin Duo是一种青霉素抗生素，含有两种药物-三水合阿莫西林和阿莫西林
克拉维酸钾。它们共同作用杀死某些类型的细菌，并用于治疗某些类型的细菌感染。

例如，您可以参考一个示例。培训数据应至少包含15000个句子，以获得更好的结果

此外，您还可以使用Opennlp TokenNameFinderTrainer。 输出文件将采用.bin格式

以下是一个例子：

---

有关更多详细信息，请参阅

复制数据中的数据并运行下面的代码以获取您自己的mymodel.bin

你可以参考资料=

公共课堂培训{
静态字符串onlpModelPath=“mymodel.bin”；
//训练数据集
静态字符串trainingDataFilePath=“data.txt”；
公共静态void main（字符串[]args）引发IOException{
Charset Charset=Charset.forName（“UTF-8”）；
ObjectStream lineStream=新的明文ByLineStream(
新文件输入流（trainingDataFilePath），字符集；
ObjectStream sampleStream=新名称采样数据流(
线状流）；
TokenNameFinderModel model=null；
HashMap mp=新的HashMap（）；
试一试{
//model=NameFinderME.train（“en”，“drugs”，sampleStream，Collections.emptyMap（），100,4）；
model=NameFinderME.train（“en”，“drugs”，sampleStream，Collections.emptyMap（））；
}最后{
sampleStream.close（）；
}
BufferedOutputStream modelOut=null；
试一试{
modelOut=newbufferedoutputstream（newfileoutputstream（onlpModelPath））；
序列化（modelOut）；
}最后{
if（modelOut！=null）
modelOut.close（）；
}
}
}

您为哪个工具创建模型？欢迎使用堆栈溢出！虽然此代码可能有助于解决问题，但它没有解释为什么和/或如何回答问题。提供这种额外的环境将大大提高其长期教育价值。请在回答中添加解释，包括适用的限制和假设。或者可以使用RTFM来节省您的打字时间。让我为您指出最新的文档，网址为

public class Training {
       static String onlpModelPath = "mymodel.bin";
       // training data set
       static String trainingDataFilePath = "data.txt";

       public static void main(String[] args) throws IOException {
                       Charset charset = Charset.forName("UTF-8");
                       ObjectStream<String> lineStream = new PlainTextByLineStream(
                                                       new FileInputStream(trainingDataFilePath), charset);
                       ObjectStream<NameSample> sampleStream = new NameSampleDataStream(
                                                       lineStream);
                       TokenNameFinderModel model = null;
                       HashMap<String, Object> mp = new HashMap<String, Object>();
                       try {
                              //         model = NameFinderME.train("en","drugs", sampleStream, Collections.<String,Object>emptyMap(),100,4) ;
                                       model=  NameFinderME.train("en", "drugs", sampleStream, Collections. emptyMap());
                       } finally {
                                       sampleStream.close();
                       }
                       BufferedOutputStream modelOut = null;
                       try {
                                       modelOut = new BufferedOutputStream(new FileOutputStream(onlpModelPath));
                                       model.serialize(modelOut);
                       } finally {
                                       if (modelOut != null)
                                                       modelOut.close();
                       }
       }
}