OpenNLP-Name Finder

第四章 Name Finder 命名发现

Named Entity Recognition 命令实体识别

Name Finder可以检测文本中的命名实体和数字。要检测实体，Name Finder需要一个模型。模型依赖于它训练的语言和实体类型。OpenNlP提供了许多预训练的name finder模型，他们使用各种各样可以免费得到的语料库训练。他们可以在我们的模型下载页面下载。在未经处理的（raw）文本中发现names，这个文本必须被分割成tokens和Sentences。在Sentence detector和tokenizer 入门中给出了详细的描述。确保用于训练的tokenization数据和输入文本是相同的。

Name Finder Tool

Name Finder API

在一个生产系统中使用Name Finder，强烈推荐直接嵌入它到应用程序中，而不是使用命令行接口。首先，必须从磁盘或者其他源加载name finder模型。下面的示例实在磁盘加载的.

InputStream modelIn = new FileInputStream("en-ner-person.bin");

try {
  TokenNameFinderModel model = new TokenNameFinderModel(modelIn);
}
catch (IOException e) {
  e.printStackTrace();
}
finally {
  if (modelIn != null) {
    try {
      modelIn.close();
    }
    catch (IOException e) {
    }
  }
}

有许多原因会导致模型加载失败：

• 基本的I/O问题
• 模型的版本和OpenNLP版本不兼容
• 模型加载到错误的组件，例如，一个tokenizer模型加载到TokenNameFinderModel类
• 由于其他一些原因模型内容不可用

在模型加载后，NameFinderME可以实例化。

NameFinderME nameFinder = new NameFinderME(model);

初始化现在完成，Name Finder现在可以使用。NameFinderME不是线程安全的，他必须只在一个线程中调用。要使用多线程多NameFinderME实例共享可以创建相同的模型实例。输入本文必须切分成documents，sentences，和tokens。应用程序调用find方法在文档中的每一个sentence中执行实体检测。After every document clearAdaptiveData must be called to clear the adaptive data in the feature generators.Not calling clearAdaptiveData can lead to a sharp drop in the detection rate after a few documents. 下面的代码解释了这个：

for (String document[][] : documents) {

  for (String[] sentence : document) {
    Span nameSpans[] = nameFinder.find(sentence);
    // do something with the names
  }

  nameFinder.clearAdaptiveData()
}

下面的片段展示了find的一个调用：

String sentence[] = new String[]{
    "Pierre",
    "Vinken",
    "is",
    "61",
    "years"
    "old",
    "."
    };

Span nameSpans[] = nameFinder.find(sentence);