java - 如何在我自己的java类中使用BerkeleyAligner？

Question

我正在尝试使用 http://code.google.com/p/berkeleyaligner/ 中的 BerkeleyAligner.jar 文件中的字对齐在我自己的java类中。我已经将 .jar 文件添加到我的构建路径中。

edu.berkeley.nlp.wordAlignment.combine.CombinedAligner有什么参数拿？edu.berkeley.nlp.wordAlignment.combine.CombinedAligner 是什么意思？输出？

我拥有的是 2 个已经句子对齐的输入文件；即源文件中第 X 行的句子与目标文件中第 X 行的句子相同(但语言不同)。

import edu.berkeley.*;
import edu.berkeley.nlp.wa.mt.Alignment;
import edu.berkeley.nlp.wa.mt.SentencePair;
public class TestAlign {

BufferedReader brSrc = new BufferedReader(new FileReader ("sourceFile"));
BufferedReader brTrg = new BufferedReader(new FileReader ("targetFile"));

String currentSrcLine;

while ((currentSrcLine = brSrc.readLine()) !=null) {
    String currentTrgLine = brTrg.readline();
    // Reads into BerkeleyAligner SentencePair format.
    SentencePair src2trg = new SentencePair(sentCounter, params.get("source"),
        Arrays.asList(srcLine.split(" ")), Arrays.asList(trgLine.split(" ")));
    // How do i call the BerkeleyAligner??
    // -What parameters does the CombinedAligner takes?
    // -What does the function/class returns?
    // I assume it returns a list of strings. 
    // Is there a class in BerkeleyAligner to read the output? 
    // Please provide some example, thank you!!
    Alignment output = edu.berkeley.nlp.wordAlignment.combine.CombinedAligner
        .something.something(currentSrcLine, currentTrgLine);
    }
}

例如源文件:

this is the first line in the textfile.
that is the second line.
foo bar likes to eat bar foo.

例如目标文件:

Dies ist die erste Textzeile in der Datei.
das ist die zweite Zeile.
foo bar gerne bar foo essen.

Answer 1

实际答案

您只是想对齐文本(来自目标文件和源文件)，对吧？

如果是这样，在创建句子对后，您甚至不需要将它们放入 CombinedAligner 中。

您可以从中获得对齐方式:(SentencePair, boolean)。 boolean 值表示是否需要树对齐。

放入构造函数中会自动生成Alignment!就这么简单!

这是我得到代码的地方:http://code.google.com/p/berkeleyaligner/source/browse/trunk/src/edu/berkeley/nlp/wa/mt/Alignment.java

<小时/>

更新

不幸的是，我误解了您的问题，并发布了不相关的回复。

但是，我下载了jar文件，发现CombinedAligner.class和decompiled it .

这是我得到的:

包 edu.berkeley.nlp.wordAlignment.combine;

import edu.berkeley.nlp.mt.Alignment;
import edu.berkeley.nlp.mt.SentencePair;
import edu.berkeley.nlp.wordAlignment.PosteriorAligner;
import edu.berkeley.nlp.wordAlignment.WordAligner;
import fig.basic.Fmt;
import fig.basic.ListUtils;
import java.util.ArrayList;
import java.util.List;

public abstract  class CombinedAligner extends PosteriorAligner {

    private static final long serialVersionUID = 1;
    WordAligner wa1;
    WordAligner wa2;

    public CombinedAligner (WordAligner, WordAligner)
    public String getName()
    public Alignment alignSentencePair(SentencePair)
    public List alignSentencePairReturnAll(SentencePair)
    public void setThreshold(int)
    abstract Alignment combineAlignments(Alignment, Alignment, SentencePair)

}

您使用的Alignment类似乎是edu.berkeley.nlp.mt.Alignment。

无论如何，CombinedAligner 是抽象的，因此您无法实例化它。而且我不知道 .something 是什么，因为没有静态方法或字段。

但是，我认为您想要的是 alignSentencePair(SentencePair)。

要实现这一点，您需要使用 CombinedAligner 的子类，因为 CombinedAligner 是抽象的。

所以，在浏览这些文件后，我发现了这些子类:

edu.berkeley.nlp.wordAlignment.combine.HardUnion
edu.berkeley.nlp.wordAlignment.combine.HardIntersect
edu.berkeley.nlp.wordAlignment.combine.SoftUnion
edu.berkeley.nlp.wordAlignment.combine.SoftIntersect

您可以使用它们代替 CombinedAligner 并将两个句子作为 SentencePair 插入!

<小时/>

查了一下，发现WordAligner也是抽象的!

package edu.berkeley.nlp.wordAlignment;

导入 edu.berkeley.nlp.mt.Alignment;导入 edu.berkeley.nlp.mt.SentencePair;导入fig.basic.LogInfo；导入 java.io.Serialized;导入java.util.ArrayList；导入java.util.HashMap；导入 java.util.Iterator;导入java.util.List；导入java.util.Map;

公共(public)抽象类 WordAligner 实现可序列化{

private static final long serialVersionUID = 1;
protected String modelPrefix;

public WordAligner ()
public abstract String getName()
public void setThreshold(double)
public Alignment alignSentencePair(SentencePair)
public Map alignSentencePairs(List)
public Alignment thresholdAlignment(Alignment, double)
public String getModelPrefix()
public String toString()

}

不过我找到了一个子类:

edu.berkeley.nlp.wordAlignment.IterWordAligner

不幸的是，这仍然是抽象的。

但是 IterWordAligner 的一个子类不是: edu.berkeley.nlp.wordAlignment.EMWordAligner

但是，构造函数确实很奇怪。

public EMWordAligner (SentencePairState$Factory, Evaluator, boolean)

它在构造函数中使用内部类!？这是糟糕的编程实践。

等等...

我找到了一个单词对齐器! http://code.google.com/p/tdx-nlp/source/browse/trunk/pa2/java/src/cs224n/assignments/WordAlignmentTester.java?r=67

也许这会有所帮助，您可以用它来解决您的问题。