Standford nlp 使用说明

    nlp  Comments

实例

下面是两个简单的实例，目的是获取一个单词的词根，并自动识别大小写。一个使用的是SimpleCoreNLPAPI简单实现，另外一个是通过完整的Pipeline来实现。

SimpleCoreNLP

//直接获取一个单词的词根，但是此方法不会自动识别大小写
String tokenLemma = new Sentence("Cyberpunk").lemma(0);

//直接获取一个单词的词根，并且识别大小写
Properties properties = PropertiesUtils.asProperties(
        "language", "english",
        "ssplit.isOneSentence", "true",
        "tokenize.class", "PTBTokenizer",
        "tokenize.language", "en",
        "mention.type", "dep",
        "coref.mode", "statistical",  
        "coref.md.type", "dep",
        //这个属性实现了自动识别大小写，删掉这个属性就跟上面方法完全一样
        "truecase.overwriteText","true"
        );
List<String> matting = new Sentence("Has").lemmas(properties);

Pipeline

Properties properties = PropertiesUtils.asProperties("annotators", "tokenize,ssplit,pos,lemma,truecase");
StanfordCoreNLP pipeline = new StanfordCoreNLP(properties);

Annotation tokenAnnotation = new Annotation("Has have HAVE");
pipeline.annotate(tokenAnnotation);  
List<CoreMap> list = tokenAnnotation.get(SentencesAnnotation.class);
pipeline.prettyPrint(tokenAnnotation,System.out);

上面的例子可以对整句话进行解析，最后打印的结果是其中每个单词的分析结果。分析结果的格式是每个属性都对应了一个结果，比如lemma词根对应一个结果，truecase大小写对应一个结果，可以直接获取，也可以进行重写合并等操作，具体不展开，参考官方文档。

安装

该工具需要引入两个jar包，一个是程序主体，另外一个是数据内容，根据所要分析的语言不同，选择不同的包下载。

<dependency>
    <groupId>edu.stanford.nlp</groupId>
    <artifactId>stanford-corenlp</artifactId>
    <version>4.2.0</version>
</dependency>

上面就是程序主体

数据内容下载地址： Standford NLP

上面就是数据内容的下载地址，根据不同语言选择，英文的大概有400MB左右，只有直接下载，不能通过maven。
下载完成后，可以通过mvn install插件手动安装到本地仓库中

mvn install:install-file \
   -Dfile=stanford-nlp-models-4.2.0.jar \
   -DgroupId=edu.stanford.nlp.local \
   -DartifactId=stanford-nlp-models \
   -Dversion=4.2.0 \
   -Dpackaging=jar \
   -DgeneratePom=true

关于更多可用属性，可以参考all annotator

Mingtianshiming5@outlook.com

Finally