Я знаю, что этот вопрос задавался раньше, но ответ не был удовлетворительным (в том смысле, что ответ был просто ссылкой).
Итак, мой вопрос: есть ли способ расширить существующие модели openNLP? Я уже знаю о технике с DBPedia / Wikipedia. Но что, если я просто хочу добавить несколько строк текста, чтобы улучшить модели - неужели нет никакого способа? (Если так - это было бы действительно глупо ...)
К сожалению, нет. См. этот вопрос, в котором есть подробный ответ на ту же проблему. .
Я думаю, что это серьезная проблема, потому что, когда вы работаете с текстами, часто возникают проблемы с лицензированием. Например, вы не можете создать корпус данных Twitter и опубликовать его в сообществе (см. этот документ для получения дополнительной информации).
Поэтому часто компании создают корпуса для конкретных доменов и используют их для внутренних целей. Например, мы это сделали в нашем исследовательском проекте. Поэтому мы создали инструмент (Quick Pad Tagger) для эффективного создания аннотированных корпусов (см. здесь).
Хорошо, думаю, на это нужен отдельный ответ. Я нашел базу данных Yago: http://www.mpi-inf.mpg.de/departments/databases-and-information-systems/research/yago-naga/yago//
Эта база данных кажется просто фантастической (на первый взгляд). Вы можете скачать все данные с тегами и поместить их в базу данных (они уже предоставляют инструменты для этого).
Следующим этапом является «рефакторинг» помеченных сущностей, чтобы opennlp мог их использовать (openNLP использует sth. Как это <START:person> Pierre Vinken <END>)
Затем вы создаете несколько текстовых файлов и обучаете их с помощью учебного инструмента, поставляемого opennlp.
Не уверен на 100%, что это сработает, но я вернусь и скажу вам.
