OpenNLP - 即使用縮寫字典，訓練仍然需要縮寫嗎？

Question

我剛剛使用OpenNLP作爲一個小程序，我應該把段落分成幾個句子。

儘管在閱讀完一些文檔並完成測試用例之後我能完成任務，但我仍然不得不注意到，即使創建了所有縮寫（例如Yahoo!）一個自定義的縮寫字典，將它傳遞給SentenceDetectorFactory並用它來訓練SentenceDetectorME。

我正在使用與此test case中使用的類似方法。

我在他們的文檔中找不到這種行爲，也找不到任何解釋。有什麼我失蹤？

編輯：我的問題

雖然我仍然在做一個培訓，我的工作在域設置爲合適的工作，我的測試數據從非結構化數據來從網頁的說明。有時它包含一個我的團隊成員都沒有預料到的縮寫。例如。

Company (acq. by another company) is a good company. 

在這種情況下，我們從來沒有認爲這個詞acquired發生像acq.這顯然是作爲一個縮寫。

現在我們可以添加acq.作爲縮寫，並讓模型繼續工作，如廣告所示，或者訓練模型。但是，即使在縮寫字典中添加之後，它也不會被當作縮寫來處理，而我們最終爲這個縮寫形成了訓練模型。這看起來像是一個偏離字典縮寫的概念。

我在NLTK與PunktSentenceTokenizerlike this one嘗試了一個小例子，它完美的工作。

我不確定我是否有一套甚至有25,000個句子的訓練集，如果OpenNLP忽略縮寫詞典，它將有所作爲。

Answer 1

您的培訓數據有多大？

，如文檔中說：

The training data should contain at least 15000 sentences to create a model which performs well. 

，可能是這個問題，應該給一些大的訓練數據進行模型！