java - 如何删除 UIMA 注释？

Question

我在管道中使用了一些 UIMA 注释器。它运行以下任务：

• 分词器
• 分句器
• 公报员
• 我的注释器

问题是我不想将所有注释（令牌、句子、子令牌、时间、myAnnotations 等）写入磁盘，因为文件很快就会变得非常大。

我想删除所有注释并仅保留My Annotator创建的注释。

我正在使用下一个库：

1. uimaFIT 2.0.0
2. 清除TK 1.4.1
3. 马文

我正在使用一个org.apache.uima.fit.pipeline.SimplePipeline：

SimplePipeline.runPipeline(
    UriCollectionReader.getCollectionReaderFromDirectory(filesDirectory), //directory with text files
    UriToDocumentTextAnnotator.getDescription(),
    StanfordCoreNLPAnnotator.getDescription(),//stanford tokenize, ssplit, pos, lemma, ner, parse, dcoref
    AnalysisEngineFactory.createEngineDescription(//
        XWriter.class, 
        XWriter.PARAM_OUTPUT_DIRECTORY_NAME, outputDirectory,
        XWriter.PARAM_FILE_NAMER_CLASS_NAME, ViewURIFileNamer.class.getName())
);

我要做的是使用 Standford NLP 注释器（来自 ClearTK）并删除无用的注释。

我该怎么做呢？

据我所知，您可以将removeFromIndexes();方法 from 与 A​​nnotation 实例一起使用。

我是否需要创建 UIMA 处理器并将其添加到我的管道中？

Answer 1

最后我创建了一个引擎来删除无用的注释：

public class AnnotationRemover extends JCasAnnotator_ImplBase {
    public static AnalysisEngineDescription getDescription() throws ResourceInitializationException {
        return AnalysisEngineFactory.createEngineDescription(AnnotationRemover.class);
    }

    public void initialize(UimaContext context) throws ResourceInitializationException {
        super.initialize(context);
    }

    public void process(JCas jCas) throws AnalysisEngineProcessException {
        List<TOP> tops = new ArrayList<TOP>(JCasUtil.selectAll(jCas));
        for (TOP t : tops) {
            if (!t.getType().getName().equals("mypackage.MyAnnotation")) 
                t.removeFromIndexes();
            }
        }
}

我正在删除所有注释，只留下mypackage.MyAnnotation注释

Answer 2

是的：在 MyAnnotator 和 XWriter 之间添加另一个注释器，该注释器删除除您之外的所有注释。

Answer 3

我使用 java 8 重写了德国 Attanasios 解决方案，并将其更改为过滤掉具有不同 annotationTypePrefix 的任何内容：

public void filterAnnotations(JCas jcas, String annotationTypePrefix) {

    JCasUtil.selectAll(jcas)
            .stream()
            .filter(t -> !t.getType().getName().startsWith(annotationTypePrefix))
            .forEach(TOP::removeFromIndexes);
}