stanford-nlp - 斯坦福 NER : How do I create a new training set that I can use and test out?

Question

据我了解，要创建训练文件，您需要将单词放入文本文件中。然后在每个单词之后，添加一个空格或制表符以及标签(例如 PERS、LOC 等...)

我还将示例属性文件中的文本复制到字板中。我如何将它们放入一个 gz 文件中，我可以将其输入到分类器中并使用？

请指导我。我是新手，对技术相当不熟练。

Answer 1

您的训练文件(例如 training-data.tsv)应该如下所示:

I   O
drove   O
to  O
Vancouver   LOCATION
BC  LOCATION
yesterday   O

其中 O 表示“外部”，因为不是命名实体。

列之间的空间是一个制表符。

您不要将它们放在 ser.gz 文件中。 ser.gz 文件是训练过程创建的分类器模型。

训练分类器运行:

java -cp ner.jar edu.stanford.nlp.ie.crf.CRFClassifier -prop my-classifier.properties

my-classifier.properties 看起来像这样:

trainFile = training-data.tsv
serializeTo = my-classification-model.ser.gz
map = word=0,answer=1
...