循环问题 - UIMA Ruta

Question

目标：

分配标题级别。

第一个标题被分配到级别 1。我提取字体系列和它的大小并找到匹配的标题。分配级别后，我取消标记标题，将标题和功能保留在另一个注释（HeadingHierarchy）中。关卡完成后，只要 Headinglevel 注释中还有任何标题，我就会一次又一次地调用同一个块。

问题：

该脚本适用于查找所有 1 级标题。但是当通过 Call 语句执行块时，它只找到每个级别的第一个匹配项（从级别 2 开始）。因此，以下输入的总层数变为 10，而它必须为 4。

输入：(.txt)

Apache UIMA Ruta Overview =>Arial,18
What is Apache UIMA Ruta? =>Arial,16
Getting started =>Arial,16
UIMA Analysis Engines =>Arial,16
Ruta Engine =>Times New Roman,14
Configuration Parameters =>Arial,10
Annotation Writer =>Times New Roman,14
Configuration Parameters =>Arial,10
Apache UIMA Ruta Language =>Arial,18
Syntax =>Arial,16
Rule elements and their matching order =>Arial,16

脚本：

PACKAGE uima.ruta.example;

DECLARE Headinglevel(STRING family, INT size, INT level);
DECLARE HeadingHierarchy(STRING family, INT size, INT level);
DECLARE FontFamily, FontSize;

STRING family;
INT size;

RETAINTYPE(BREAK);
    BREAK? #{-PARTOF(Headinglevel)} @SPECIAL+ W+ COMMA NUM{->MARK(Headinglevel,2,6), MARK(HeadingHierarchy,2,6), MARK(FontFamily,4), MARK(FontSize,6)};
RETAINTYPE;

h:Headinglevel{->h.family = family, HeadingHierarchy.family = family}
<-{FontFamily{PARSE(family)};};

h:Headinglevel{->h.size = size, HeadingHierarchy.size = size}
<-{FontSize{PARSE(size)};};

INT i=1;

BLOCK(ForEachHeadLevel)Document{}
{
    # h:Headinglevel{-> family = h.family, size = h.size};
    h:Headinglevel{AND(h.family == family, h.size == size)-> h.level=i, HeadingHierarchy.level = i, UNMARK(h)};
}
Headinglevel{->i=i+1, CALL(Test2.ForEachHeadLevel)};
Document{->LOG("    LEVELS : " + (i))};

预期输出：

   HeadingHierarchy                        Feature

Apache UIMA... =>Arial,18                  level: 1
What is Apa... =>Arial,16                  level: 2
Getting sta... =>Arial,16                  level: 2
UIMA Analys... =>Arial,16                  level: 2
Ruta Engine... =>Times New Roman,14        level: 3
Configurati... =>Arial,10                  level: 4
Annotation ... =>Times New Roman,14        level: 3
Configurati... =>Arial,10                  level: 4
Apache UIMA... =>Arial,18                  level: 1
Syntax =>Ar... =>Arial,16                  level: 2
Rule elemen... =>Arial,16                  level: 2

Answer 1

问题在于 CALL 将窗口限制在规则元素匹配的跨度上。这意味着 BLOCK 仅在现有的 Headinglevel 注释中执行。但是，您需要拥有完整的文档，这样块中的第二条规则才能发挥作用。

这很可能不是最好的解决方案，但我想到的第一个。

您可以将 BLOCK 中的窗口重置为完整的文档，而不管 DOCUMENTBLOCK 的 CALL 操作的限制：

BLOCK (ForEachHeadLevel)Document{}
{
    DOCUMENTBLOCK Document{} 
    {
        # h:Headinglevel{-> family = h.family, size = h.size};
        h:Headinglevel{AND(h.family == family, h.size == size)-> h.level=i, HeadingHierarchy.level = i, UNMARK(h)};
    }
}

DOCUMENTBLOCK 是一个块扩展。您需要在additionalExtensions 配置参数中包含org.apache.uima.ruta.block.DocumentBlockExtension。

这是另一个使用 FOREACH 块的解决方案：

INT i=0;
FOREACH(hl) Headinglevel{}{
    hl{IS(Headinglevel)-> i=i+1, family = hl.family, size = hl.size};
    h:Headinglevel{h.family == family, h.size == size ->  h.level=i, HeadingHierarchy.level = i, UNMARK(h)};
}

免责声明：我是 UIMA Ruta 的开发人员