如何从 UIMA 和简单的 NLP 任务开始？

Question

我最近发现了 UIMA (http://uima.apache.org/)。它看起来很有希望用于简单的 NLP 任务，例如标记化、句子分割、词性标记等。

我已经设法获得了一个已配置的最小 Java 示例，该示例使用 OpenNLP 组件作为其管道。

代码如下所示：

public void ApplyPipeline() throws IOException, InvalidXMLException,
        ResourceInitializationException, AnalysisEngineProcessException {

    XMLInputSource in = new XMLInputSource(
            "opennlp/OpenNlpTextAnalyzer.xml");
    ResourceSpecifier specifier = UIMAFramework.getXMLParser()
            .parseResourceSpecifier(in);

    AnalysisEngine ae = UIMAFramework.produceAnalysisEngine(specifier);

    JCas jcas = ae.newJCas();
    jcas.setDocumentText("This is my text.");

    ae.process(jcas);
    this.doSomethingWithResults(jcas);

    jcas.reset();
    ae.destroy();
}

private void doSomethingWithResults(JCas jcas) {
    AnnotationIndex<Annotation> idx = jcas.getAnnotationIndex();
    FSIterator<Annotation> it = idx.iterator();

    while (it.hasNext()) {
        System.out.println(it.next().toString());
    }

}

摘自 OpenNlpTextAnalyzer.xml：

<delegateAnalysisEngine key="SentenceDetector">
    <import location="SentenceDetector.xml" />
</delegateAnalysisEngine>
<delegateAnalysisEngine key="Tokenizer">
    <import location="Tokenizer.xml" />
</delegateAnalysisEngine>

java 代码产生如下输出：

Token
   sofa: _InitialView
   begin: 426
   end: 435
   pos: "NNP"

我试图从 toString() 方法使用的每个 Annotation 对象中获取相同的信息。我已经查看了 UIMA 的源代码以了解这些值的来源。我试图检索它们的工作，但它们无论如何都不聪明。

我正在努力寻找从 JCas 对象中提取信息的简单示例。

我正在寻找一种方法来获取例如由我的 PosTagger 或 SentenceSplitter 生成的所有注释以供进一步使用。

我猜

List<Feature> feats = it.next().getType().getFeatures();

是一个取值的开始，但是由于UIMA拥有原始类型的类，即使是注解类中toString方法的源代码读起来也像一记耳光。

我在哪里可以找到使用基本 UIMA 内容的 java 代码，哪里有好的教程（框架本身的 javadoc 除外）？

Answer 1

为您的注释类型生成 JCas 包装类（您可以使用 UIMA 附带的用于 Eclipse 的类型系统编辑器 UIMA 插件来执行此操作）。这将为您提供可用于访问注释的 Java 类 - 这些为特性提供 getter 和 setter。

你应该看看uimaFIT，它提供了一个更方便的 API，包括从 JCas 中检索注释的便捷方法，例如select(jcas, Token.class)（其中 Token.class 是您使用类型系统编辑器生成的类之一）。

您可以在DKPro Core 页面上找到一些快速入门的Groovy scripts 和一组 UIMA 组件。

UIMA@GSCL 2013 教程（幻灯片和示例代码）中的材料可能对您有用。转到here 并向下滚动到“教程”。

披露：我是 UIMA、uimaFIT、DKPro Core 的开发人员，也是 UIMA@GSCL 2013 研讨会的联合组织者。