问题标签 [uima]

我们有一个要求，我们需要使用 Apache UIMA 跟踪非结构化文档中的“地址”数据。地址可以来自任何地理位置。英国地理的一些示例地址如下.. 190 Stanley road Llanddoged Conwy LL26 6CM 227,Sankey street,Bourne,Lincolnshire,PE10 1LW

如果您可以共享可能的注释以从非结构化文档中识别地址数据，这将很有帮助。

Standford Core NLP 和 GATE 提供了各种 NLP 操作，如 NER、POS 标记。有一些 NLP 操作，如 Tokenizer、Snowball Stemmer，可作为 UIMA 组件使用。那么，UIMA 是否可以与 StandfordCore NLP/GATE 相媲美，还是用于为管道包装此类 API？

我的用例是这样的，我在 WORDLIST“MonthNames.txt”中有一个匹配词列表。

现在我想在给定文档中标记这些单词的所有出现，而不管文本大小写。

有什么办法吗？

我试过了

但这只是忽略空格而不是文本大小写。

请帮忙

我正在尝试设置应该理解英语的 solr。例如，我已经索引了我们公司的网站 (www.biginfolabs.com)，或者它可以是任何其他网站或我们自己的数据。

如果我提出一些类似英语的查询，我应该得到谷歌所做的一个词的答案；查询是：

• 印度位于哪里。
• 谁是奥巴马的父亲。

解决方法：

• 集成 UIMA、Mahout 和 solr（人名、城市名提取完成）。
• 我阅读了名为“Taming Text”的书并实现了https://github.com/tamingtext/book。但没有得到我想要的。

谁能告诉我如何进一步移动。它可以是我们团队准备做的任何事情。

感谢任何强有力的手！

我有一些类似以下的文字

我想使用 Ruta 创建与换行符之间的所有字符串匹配的注释。我希望我的注释创建以下三个匹配项：

我尝试匹配换行符之间的所有内容，如下所示

但没有运气。有人可以提出一些建议吗？

非常感谢你！

我写了一个注释器，可以提取所有带有 CD 标记的令牌，代码如下所示

}

但是当我试图在管道中创建一个迭代器时，迭代器返回 null。这是我的管道的外观。

我使用 JCasGen 生成了 WeightAnnotator 和 WeightAnnotator_Type。我调试了整个代码，但我不明白我在哪里弄错了。任何关于如何改进这一点的想法都值得赞赏。

我有一个 CAS 消费者 AE，预计它会遍历管道中的 CAS 对象，序列化它们并将序列化的 CAS 添加到 xml 文件中。公共类 DataWriter 扩展 JCasConsumer_ImplBase {

在我的所有注释器之后，我在管道中使用它，但它无法读取 CAS 对象（我在 jCas.getCas() 处收到 NullPointerException）。看起来我似乎不了解 CAS 消费者的正确用法。我很感激任何建议。

我有一些带有注释的文本，如下所示：

我想用 AnnotationA 及其最接近的 AnnotationB 作为特征创建一个注释。我应该如何用 Ruta 来表达这个？

我尝试了以下不正确的方法：

该规则涵盖整个文档。我只想要以 AnnotationA 及其最接近的 AnnotationB 作为特征的注释。非常感谢您的任何回答。

我有一个序列化为 xmi 文件的 CAS，当我尝试反序列化 xmi 文件时，输出是 xml 文件应该的纯文本。这就是我正在做的，

我在哪里弄错了？

我有一个 RUTA 脚本，其中所有句子都用句子注释进行了注释，并且各种单词和短语都用它们自己的特定注释进行了注释。这一切都按预期工作。

这些注释中的每一个都具有包含它的句子索引的特征。所以在一个人为的例子中并给出文本

杰克和吉尔上了山。杰克摔倒了。

我有一个“向下”注释，我想将句子索引设置为 2，表示它在第二个句子中。我在想类似下面的事情，虽然我知道那是不正确的。

其中 index 是句子的索引。使用 RUTA 可以做到这一点吗？如果是这样，什么是合适的脚本。我可以在一个单独的分析引擎中执行此操作，并且过去已经这样做了，但我希望用 ruta 脚本替换其中的一些。

谢谢，

缺口