斯坦福 CoreNLP - 未知变量 WORKDAY答案

【问题标题】：Stanford CoreNLP - Unknown variable WORKDAY斯坦福 CoreNLP - 未知变量 WORKDAY
【发布时间】：2021-11-13 14:38:52
【问题描述】：

我正在处理一些文档，并且收到许多 WORKDAY 消息，如下所示。 WEEKDAY 发布了here 的类似问题。有谁知道如何处理这个消息。我在 Windows 上的 Java 服务器中运行 corenlp，并使用 Juypyter Notebook 和 Python 代码访问它。

[pool-2-thread-2] INFO edu.stanford.nlp.ling.tokensregex.types.Expressions - Unknown variable: WORKDAY
[pool-2-thread-2] INFO edu.stanford.nlp.ling.tokensregex.types.Expressions - Unknown variable: WORKDAY
[pool-2-thread-2] INFO edu.stanford.nlp.ling.tokensregex.types.Expressions - Unknown variable: WORKDAY
[pool-1-thread-7] WARN CoreNLP - java.util.concurrent.ExecutionException: java.lang.RuntimeException: Error making document

【问题讨论】：

标签： stanford-nlp

【解决方案1】：

这是当前 SUTime 规则文件中的一个错误（实际上已经有好几个版本了）。如果您想立即修复它，您可以执行以下操作。或者我们将在下一个版本中修复它。这些是 Unix 命令，但除了引用和创建文件夹的方式之外，其他地方也可以使用相同的东西。

在sutime/english.sutime.txt 中找到这一行并将其删除。保存文件。

{ (/workday|work day|business hours/) => WORKDAY }

然后将文件移动到jar文件中要替换的正确位置，然后在jar文件中进行替换。在 CoreNLP 发行版的根目录中执行以下操作（假设您在该目录中还没有 edu 文件/文件夹）：

mkdir -p edu/stanford/nlp/models/sutime
cp sutime/english.sutime.txt edu/stanford/nlp/models/sutime
jar -uf stanford-corenlp-4.2.0-models.jar edu/stanford/nlp/models/sutime/english.sutime.txt
rm -rf edu

【讨论】：

非常感谢克里斯托弗！就我而言，在我彻底清理文件后，它们就消失了。在使用 coreNLP 处理文档之前，文档到底应该有多干净？我的文件是从 pdf 报告中读取的。
CoreNLP 试图相当健壮地处理任何测试，所以事情不必过于干净。这是英语 sutime 规则中的真正错误。当你得到大量没有任何句子结尾的单词时，在非常不清楚的文本上运行的最常见问题是任意长的“句子”。在这种情况下，您通常需要将“maxlen”传递给某些注释器。