是否可以将单词附加到现有的 OpenNLP POS 语料库/模型？

Question

有没有办法训练现有的 Apache OpenNLP POS Tagger 模型？我需要在模型中添加一些特定于我的应用程序的专有名词。当我尝试使用以下命令时：

opennlp POSTaggerTrainer -type maxent -model en-pos-maxent.bin \
        -lang en -data en-pos.train -encoding UTF-8

重新训练整个模型。我只想在en-pos-maxent.bin 后面加几句新的句子

这是我的训练文件的样子：

Where_WRB is_VBZ the_DT Seven_DNNP Dwarfs_DNNP Mine_DNNP Train_DNNP ?_?
Where_WRB is_VBZ the_DT Astro_DNNP Orbiter_DNNP ?_?
Where_WRB is_VBZ the_DT Barnstormer_DNNP  ?_?
Where_WRB is_VBZ the_DT Big_DNNP Thunder_DNNP Mountain_DNNP Railroad_DNNP  ?_?
Where_WRB is_VBZ the_DT Buzz_DNNP Lightyears_DNNP Space_DNNP Ranger_DNNP Spin_DNNP  ?_?
Where_WRB is_VBZ the_DT Casey_DNNP Jr_DNNP Splash_DNNP N_DNNP Soak_DNNP Station_DNNP  ?_?
Where_WRB is_VBZ the_DT Cinderella_DNNP Castle_DNNP  ?_?
Where_WRB is_VBZ the_DT Country_DNNP Bear_DNNP Jamboree_DNNP  ?_?
Where_WRB is_VBZ the_DT Dumbo_DNNP the_DNNP Flying_DNNP Elephant_DNNP  ?_?
Where_WRB is_VBZ the_DT Enchanted_DNNP Tales_DNNP with_DNNP Belle_DNNP  ?_?
Where_WRB is_VBZ the_DT Frontierland_DNNP Shootin_DNNP Arcade_DNNP  ?_?

训练模型后，除训练文件中的单词外，所有单词都被标记为DNNP。 例如，如果我要求标记单词 'Where'（存在于训练文件中），答案是 WRB，但如果我要求标记单词 'hello'（不存在于训练文件中） ，它被标记为DNNP。所以我想补充几句。我该怎么做？

Answer 1

不幸的是，您不能简单地通过额外的训练实例来扩充 OpenNLP 模型。您需要使用原始训练数据和新数据重新训练整个模型，以获得您想要的模型。您需要使用现有的（大型）POS 标记语料库以及新示例来训练新的 POS 标记器模型。

如果您只想识别某些类型的专有名词，您可以考虑使用您的数据训练 OpenNLP NameFinder（或其他命名实体提取器），因为这种注释器更适合识别特定类型的专有名词.您仅在上面给出了几个示例，但我认为 POS 标注器将难以区分正常的 NNP 和新的 DNNP，因为它们与 NNP 出现在相同的上下文中并且具有相同的形式（大写名词短语）。命名实体识别器是完成此类任务的更好工具。

Answer 2

这也是不久前发布的，我可以给你一个答案：Yago 数据库。

我在这里回答了我自己的帖子：Is there a way to get the "original" text data for OpenNLP?

看看吧