如何使用带有 Ruby 的 Stanford CoreNLP java 库进行情绪分析？

Question

我正在尝试在本地 MongoDB 实例中对 大量推文 进行 情感分析 Ruby Rails 4，Ruby 2.1.2 和 Mongoid ORM。

我在 Mashape.com 上使用了免费提供的 https://loudelement-free-natural-language-processing-service.p.mashape.com API，但是在快速推送了几百条推文后它开始超时 - 显然它不是这意味着要浏览数万条推文，这是可以理解的。

所以接下来我想 使用这里推荐的 Stanford CoreNLP 库：http://nlp.stanford.edu/sentiment/code.html

默认用法，除了使用Java 1.8代码中的库外，似乎是使用XML输入输出文件。对于我的用例，这很烦人，因为我有数以万计的短推文，而不是长文本文件。我想像使用方法一样使用 CoreNLP 并执行 tweets.each 类型的循环。

我想一种方法是用所有推文构建一个 XML 文件，然后从 Java 进程中取出一个并解析它并将其放回数据库，但是这对我来说很陌生，需要做很多工作。

所以，我很高兴在上面链接的网站上找到了一种从命令行到 运行 CoreNLP 并接受文本作为标准输入 的方法，这样我就没有' 必须开始摆弄文件系统，而是将文本作为参数提供。然而，与使用大声元素自由情绪分析相比，为每条推文单独启动 JVM 会增加巨大的开销 API.

现在，我写的代码又丑又慢，但它可以工作。不过，我想知道是否有更好的方法从 Ruby 中运行 CoreNLP java 程序，而不必开始摆弄文件系统（创建临时文件并将它们作为参数）或编写 Java 代码？

这是我使用的代码：

def self.mass_analyze_w_corenlp # batch run the method in multiple Ruby processes
  todo = Tweet.all.exists(corenlp_sentiment: false).limit(5000).sort(follow_ratio: -1) # start with the "least spammy" tweets based on follow ratio
  counter = 0

  todo.each do |tweet|
    counter = counter+1

    fork {tweet.analyze_sentiment_w_corenlp} # run the analysis in a separate Ruby process

    if counter >= 5 # when five concurrent processes are running, wait until they finish to preserve memory
      Process.waitall
      counter = 0
    end

  end
end

def analyze_sentiment_w_corenlp # run the sentiment analysis for each tweet object
  text_to_be_analyzed = self.text.gsub("'"){" "}.gsub('"'){' '} # fetch the text field of DB item strip quotes that confuse the command line

  start = "echo '"
  finish = "' | java -cp 'vendor/corenlp/*' -mx250m edu.stanford.nlp.sentiment.SentimentPipeline -stdin"
  command_string = start+text_to_be_analyzed+finish # assemble the command for the command line usage below

  output =`#{command_string}` # run the CoreNLP on the command line, equivalent to system('...')
  to_db = output.gsub(/\s+/, "").downcase # since CoreNLP uses indentation, remove unnecessary whitespace
  # output is in the format of "neutral, "positive", "negative" and so on

  puts "Sentiment analysis successful, sentiment is: #{to_db} for tweet #{text_to_be_analyzed}."

  self.corenlp_sentiment = to_db # insert result as a field to the object
  self.save! # sentiment analysis done!
end

Answer 1

您至少可以通过使用 IO.popen 打开外部进程并与之通信来避免丑陋和危险的命令行内容，例如：

input_string = "
foo
bar
baz
"

output_string =
    IO.popen("grep 'foo'", 'r+') do |pipe|
        pipe.write(input_string)
        pipe.close_write
        pipe.read
    end

puts "grep said #{output_string.strip} but not bar"

编辑：为避免在每个项目上重新加载 Java 程序的开销，您可以围绕 todo.each 循环打开管道并与这样的进程通信

inputs = ['a', 'b', 'c', 'd']

IO.popen('cat', 'r+') do |pipe|

    inputs.each do |s|
        pipe.write(s + "\n")
        out = pipe.readline

        puts "cat said '#{out.strip}'"
    end
end

也就是说，如果 Java 程序支持这种行缓冲 "batch" 输入。不过，如果不是这样，修改它应该不是很难。

Answer 2

正如@Qualtagh 评论中所建议的，我决定使用JRuby。

我首先尝试使用Java使用MongoDB作为接口（直接从[=26=读取，用Java/CoreNLP分析并写回MongoDB)，但是 MongoDB Java 驱动程序比我使用 Ruby 的 Mongoid ORM 更复杂，所以这就是为什么我觉得 JRuby 更复杂合适的。

为 Java 提供 REST 服务需要我先学习如何在 Java 中提供 REST 服务，这可能很容易，也可能不那么容易。我不想花时间弄明白。

所以我需要为运行我的代码做的代码是：

  def analyze_tweet_with_corenlp_jruby
    require 'java'
    require 'vendor/CoreNLPTest2.jar' # I made this Java JAR with IntelliJ IDEA that includes both CoreNLP and my initialization class

    analyzer = com.me.Analyzer.new # this is the Java class I made for running the CoreNLP analysis, it initializes the CoreNLP with the correct annotations etc.
    result = analyzer.analyzeTweet(self.text) # self.text is where the text-to-be-analyzed resides

    self.corenlp_sentiment = result # adds the result into this field in the MongoDB model
    self.save!
    return "#{result}: #{self.text}" # for debugging purposes
  end

如何使用带有 Ruby 的 Stanford CoreNLP java 库进行情绪分析？

How to use Stanford CoreNLP java library with Ruby for sentiment analysis?

java

ruby

twitter

nlp

stanford-nlp