Stanford nlp 使用TokenRegex以所需格式获取输出

我使用TokensRegex进行基于规则的实体提取。它工作得很好，但我很难获得所需格式的输出。以下代码片段为我提供了以下句子的输出：

本月早些时候，特朗普将目标对准了丰田，威胁要对其实施制裁 如果这家世界上最大的汽车制造商生产花冠，将收取高额费用 墨西哥一家工厂的美国市场汽车

我知道如果我使用以下方法迭代令牌：

for (CoreLabel token : cm.get(TokensAnnotation.class))
                    {String word = token.get(TextAnnotation.class);
                            String lemma = token.get(LemmaAnnotation.class);
                            String pos = token.get(PartOfSpeechAnnotation.class);
                            String ne = token.get(NamedEntityTagAnnotation.class);
                            System.out.println("matched token: " + "word="+word + ", lemma="+lemma + ", pos=" + pos + ", NE=" + ne);
}

我可以得到一个为每个标记提供注释的输出。但是，我使用自己的规则来检测命名实体，有时我会发现在多标记实体中，其中一个单词可能被标记为person，而where多标记表达式应该是一个组织（主要是在组织和位置名称的情况下）

所以我期望的结果是：

MATCHED ENTITY: Donald Trump VALUE: PERSON
MATCHED ENTITY: Toyota VALUE: ORGANIZATION

如何更改上述代码以获得所需的输出？我需要使用自定义注释吗

大约一周前，我制作了一个最新版本的罐子。使用GitHub提供的jar

此示例代码将运行规则并应用适当的ner标记

package edu.stanford.nlp.examples;

import edu.stanford.nlp.util.*;
import edu.stanford.nlp.ling.*;
import edu.stanford.nlp.pipeline.*;

import java.util.*;


public class TokensRegexExampleTwo {

  public static void main(String[] args) {

    // set up properties
    Properties props = new Properties();
    props.setProperty("annotators", "tokenize,ssplit,pos,lemma,ner,tokensregex");
    props.setProperty("tokensregex.rules", "multi-step-per-org.rules");
    props.setProperty("tokensregex.caseInsensitive", "true");

    // set up pipeline
    StanfordCoreNLP pipeline = new StanfordCoreNLP(props);

    // set up text to annotate
    Annotation annotation = new Annotation("...text to annotate...");

    // annotate text
    pipeline.annotate(annotation);

    // print out found entities
    for (CoreMap sentence : annotation.get(CoreAnnotations.SentencesAnnotation.class)) {
      for (CoreLabel token : sentence.get(CoreAnnotations.TokensAnnotation.class)) {
        System.out.println(token.word() + "\t" + token.ner());
      }
    }
  }
}

---

我设法获得了所需格式的输出

Annotation document = new Annotation(<Sentence to annotate>);

//use the pipeline to annotate the document we created
pipeline.annotate(document);
List<CoreMap> sentences = document.get(SentencesAnnotation.class);

//Note- I doesn't put environment related stuff in rule file.
Env env = TokenSequencePattern.getNewEnv();
env.setDefaultStringMatchFlags(NodePattern.CASE_INSENSITIVE);
env.setDefaultStringPatternFlags(Pattern.CASE_INSENSITIVE);


CoreMapExpressionExtractor extractor = CoreMapExpressionExtractor
      .createExtractorFromFiles(env, "test_degree.rules");

for (CoreMap sentence : annotation.get(CoreAnnotations.SentencesAnnotation.class)) {
      List<MatchedExpression> matched = extractor.extractExpressions(sentence);
      for(MatchedExpression phrase : matched){
      // Print out matched text and value
      System.out.println("MATCHED ENTITY: " + phrase.getText() + " VALUE: " + phrase.getValue().get());
      }
    }

注释文档=新注释（）；
//使用管道对我们创建的文档进行注释
管道注释（文件）；
列出句子=document.get（SentencesAnnotation.class）；
//注意-我没有把环境相关的东西放在规则文件中。
Env Env=TokenSequencePattern.getNewEnv（）；
env.setDefaultStringMatchFlags（NodePattern.CASE_不区分大小写）；
env.setDefaultStringPatternFlags（模式不区分大小写）；
CoreMapExpressionExtractor提取器=CoreMapExpressionExtractor
.createExtractorFromFiles（env，“test_degree.rules”）；
for（CoreMap语句：annotation.get（coreanotations.SentencesAnnotation.class））{
列表匹配=提取器。提取器表达式（句子）；
for（匹配表达式短语：匹配）{
//打印出匹配的文本和值
System.out.println（“匹配实体：“+phrase.getText（）+”值：“+phrase.getValue（）.get（）”）；
}
}

输出：

{    ruleType: "tokens",
     pattern: (([pos:/NNP.*/ | pos:/NN.*/]+) ($LocWords)),
     result: Annotate($1, ner, "LOCATION"),

}

匹配实体：技术技能值：技能

你可能想看看我的

---

希望这有帮助

为那些与类似问题作斗争的人回答我自己的问题。以正确格式获得输出的关键在于如何在规则文件中定义规则。以下是我在规则中更改的内容，以更改输出：

旧规则：

{    ruleType: "tokens",
     pattern: (([pos:/NNP.*/ | pos:/NN.*/]+) ($LocWords)),
     result: Annotate($1, ner, "LOCATION"),

}

新规则

{    ruleType: "tokens",
     pattern: (([pos:/NNP.*/ | pos:/NN.*/]+) ($LocWords)),
     action: Annotate($1, ner, "LOCATION"),
     result: "LOCATION"

}

定义结果字段的方式定义了数据的输出格式

---

希望这有帮助

我得到了这个错误：“线程中的异常”main“java.lang.RuntimeException:解析文件时出错：每个组织的多步规则”“原因：java.io.IOException:无法打开“每个组织的多步规则”作为类路径、文件名或URL“我在生成中找不到这个文件”。请帮忙。这是我的规则文件的名称。您应该将其替换为规则文件的名称。感谢您的帮助！你能看看我的表吗？我从昨天起就一直在挣扎，但无法解决这个问题。

{    ruleType: "tokens",
     pattern: (([pos:/NNP.*/ | pos:/NN.*/]+) ($LocWords)),
     action: Annotate($1, ner, "LOCATION"),
     result: "LOCATION"

}