python - NLTK 包和其他依赖项出现错误

Question

我已经安装了NLTK包和其他依赖项，并设置环境变量如下:

STANFORD_MODELS=/mnt/d/stanford-ner/stanford-ner-2018-10-16/classifiers/english.all.3class.distsim.crf.ser.gz:/mnt/d/stanford-ner/stanford-ner-2018-10-16/classifiers/english.muc.7class.distsim.crf.ser.gz:/mnt/d/stanford-ner/stanford-ner-2018-10-16/classifiers/english.conll.4class.distsim.crf.ser.gz

CLASSPATH=/mnt/d/stanford-ner/stanford-ner-2018-10-16/stanford-ner.jar

当我尝试访问如下分类器时:

stanford_classifier = os.environ.get('STANFORD_MODELS').split(':')[0]

stanford_ner_path = os.environ.get('CLASSPATH').split(':')[0]

st = StanfordNERTagger(stanford_classifier, stanford_ner_path, encoding='utf-8')

我收到以下错误。但我不明白是什么导致了这个错误。

Error: Could not find or load main class edu.stanford.nlp.ie.crf.CRFClassifier
OSError: Java command failed : ['/mnt/c/Program Files (x86)/Common 
Files/Oracle/Java/javapath_target_1133041234/java.exe', '-mx1000m', '-cp', '/mnt/d/stanford-ner/stanford-ner-2018-10-16/stanford-ner.jar', 'edu.stanford.nlp.ie.crf.CRFClassifier', '-loadClassifier', '/mnt/d/stanford-ner/stanford-ner-2018-10-16/classifiers/english.all.3class.distsim.crf.ser.gz', '-textFile', '/tmp/tmpaiqclf_d', '-outputFormat', 'slashTags', '-tokenizerFactory', 'edu.stanford.nlp.process.WhitespaceTokenizer', '-tokenizerOptions', '"tokenizeNLs=false"', '-encoding', 'utf8']

Answer 1

我找到了这个问题的答案。我正在使用 NLTK == 3.4。从 NLTK ==3.3 及以上版本开始，斯坦福 NLP(POS、NER、tokenizer)不会作为 nltk.tag 的一部分加载，而是从 nltk.parse.corenlp.CoreNLPParser 加载。 stackoverflow 的答案可以在 stackoverflow.com/questions/13883277/stanford-parser-and-nltk/… 中找到，官方文档的 github 链接是 github.com/nltk/nltk/wiki/Stanford-CoreNLP-API-in-NLTK .

其他信息，如果您面临来自 NER 标记器或 coreNLP API 的任何其他解析器的超时问题，请增加超时限制，如 https://github.com/nltk/nltk/wiki/Stanford-CoreNLP-API-in-NLTK/_compare/3d64e56bede5e6d93502360f2fcd286b633cbdb9...f33be8b06094dae21f1437a6cb634f86ad7d83f7 中所述。作者:dimazest。