有沒有一種方法可以將TokenRegex中的多個標記重新標記爲一個標記？

Question

我想將具有相同命名實體註釋的連續記號（比如，STANFORD UNIVERSITY，其中記號「stanford」和「university」具有NE「ORGANIZATION」）合併爲一個記號，以便我只擁有「斯坦福大學」與NE「組織」。有沒有辦法做到這一點與令牌正則表達式？

所以，這確實是一個問題兩個部分：

1）你會如何寫令牌與同NER一個完整序列的格局？

2）如何編寫將捕獲的令牌合併爲一個動作（基本上，與Split功能相反）？

謝謝！

Answer 1

你想使用entitymentions註釋器，它會爲你做這件事，並從文本中提取完整的實體。

示例代碼：

package edu.stanford.nlp.examples; 

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

import java.util.*; 

public class EntityMentionsExample { 

    public static void main(String[] args) { 
    Annotation document = 
     new Annotation("John Smith visted Los Angeles on Tuesday."); 
    Properties props = new Properties(); 
    props.setProperty("annotators", "tokenize,ssplit,pos,lemma,ner,entitymentions"); 
    StanfordCoreNLP pipeline = new StanfordCoreNLP(props); 
    pipeline.annotate(document); 

    for (CoreMap entityMention : document.get(CoreAnnotations.MentionsAnnotation.class)) { 
     System.out.println(entityMention); 
    } 
    } 
}