意外的日期/日期時間字符串導致在斯坦福CoreNLP

異常根據CoreNLP's Git，根據我的猜測，該問題已在某些版本的CoreNLP中得到修復，可能是3.5.1，因爲NER被列爲更改說明中已更改模塊之一。但是，3.5.x需要跳轉到Java 1.8，我們目前還沒有準備好這樣做。意外的日期/日期時間字符串導致在斯坦福CoreNLP

此外，免責聲明，我也發佈了該問題，但它可能沒有被看到，因爲問題已被解決。鑑於SO是一個支持CoreNLP的官方論壇，我在這裏問。

所以我問，修復這個問題的變化是什麼？它實際上是否存在於當前版本中，還是有其他需要完成的事情。我需要解決這個問題，而不是從我目前使用的3.4.1升級。

爲了記錄，下面的字符串應該表示爲2009年12月3日的10:00（在該字符串中沒有給出秒，因此我們也假設爲00）。

這是堆棧跟蹤。

java.lang.NumberFormatException: For input string: "200912031000" 
at java.lang.NumberFormatException.forInputString(NumberFormatException.java:65) 
at java.lang.Integer.parseInt(Integer.java:583) 
at java.lang.Integer.valueOf(Integer.java:766) 
at edu.stanford.nlp.ie.pascal.ISODateInstance.extractDay(ISODateInstance.java:1107) 
at edu.stanford.nlp.ie.pascal.ISODateInstance.extractFields(ISODateInstance.java:398) 
at edu.stanford.nlp.ie.pascal.ISODateInstance.<init>(ISODateInstance.java:82) 
at edu.stanford.nlp.ie.QuantifiableEntityNormalizer.normalizedDateString(QuantifiableEntityNormalizer.java:363) 
at edu.stanford.nlp.ie.QuantifiableEntityNormalizer.normalizedDateString(QuantifiableEntityNormalizer.java:338) 
at edu.stanford.nlp.ie.QuantifiableEntityNormalizer.processEntity(QuantifiableEntityNormalizer.java:1018) 
at edu.stanford.nlp.ie.QuantifiableEntityNormalizer.addNormalizedQuantitiesToEntities(QuantifiableEntityNormalizer.java:1320) 
at edu.stanford.nlp.ie.NERClassifierCombiner.classifyWithGlobalInformation(NERClassifierCombiner.java:145) 
at edu.stanford.nlp.ie.AbstractSequenceClassifier.classifySentenceWithGlobalInformation(AbstractSequenceClassifier.java:322) 
at edu.stanford.nlp.pipeline.NERCombinerAnnotator.doOneSentence(NERCombinerAnnotator.java:148) 
at edu.stanford.nlp.pipeline.SentenceAnnotator.annotate(SentenceAnnotator.java:95) 
at edu.stanford.nlp.pipeline.NERCombinerAnnotator.annotate(NERCombinerAnnotator.java:137) 
at edu.stanford.nlp.pipeline.AnnotationPipeline.annotate(AnnotationPipeline.java:67) 
at edu.stanford.nlp.pipeline.StanfordCoreNLP.annotate(StanfordCoreNLP.java:847)

編輯

我再次看着這個因爲我解決我的代碼一些sutime部分目前，我可以簡單地做重現：

ISODateInstance idi = new ISODateInstance(); 
    boolean fields = idi.extractFields("200912031000"); 
    System.out.println(fields);

注意true是打印的值。

來源

2016-01-21 demongolem

好吧，讓我來說說爲什麼存在這個問題。 3.4.1有兩個問題extractDay（）：

Integer.valueOf在管線1107中使用，就造成我們看到因爲字符串錯誤，如果它是被理解爲一個數字，一定會是一個長。 Long.valueOf在更高版本中使用。
錯誤應該從extractDay返回，因爲它無法對該字符串執行任何操作。但是，try塊（1106行）位於for循環內部（第1097行），這意味着在失敗之後，可以檢查更多的令牌，最終返回true。這將允許創建註釋，即使從解析失敗開始技術上不應該創建註釋。在稍後的版本中，嘗試被移出for block。

所以唯一的答案是更新到更高版本（雖然我現在還不能更新到更高版本）。

來源

2016-09-23 13:52:01 demongolem

我沒有看到斯坦福CoreNLP 3.4.1的這個問題。我下載了3.4.1發行版，並運行了一個非常長的數字，並且沒有發生任何類型的崩潰。

你能否給我一個引起這次事故的例句？

來源

2016-01-26 11:34:40 StanfordNLPHelp

我無法真正提供整個文檔，但我希望有問題的行已足夠'DATETIME_END：200912031000'這發生在使用已創建的模型進行測試（分類）中。它被標記爲DATE實體，然後問題發生時，這被視爲一個DATE實體（你可以看到從這個字符串解析一天） – demongolem

另外，我實例化'nerCombiner = new NERClassifierCombiner（applyNumericClassifiers， useSUTime ， props，//此參數應該包含SUtime屬性 myClassifierArray）;'我發現如果第一個參數是手動設置爲false，則不會發生錯誤。所以大多數我們只是從流水線上訪問NER，但在某些情況下，我們必須自己構建它，這就是這種情況。 – demongolem

意外的日期/日期時間字符串導致在斯坦福CoreNLP

回答

相關問題