NER 语料库的带注释训练数据
Annotated Training data for NER corpus
opennlp 的文档中提到我们必须用 15000 行来训练我们的模型以获得良好的性能。
现在，我必须从文档中提取不同的实体，这意味着我必须为训练数据（15000 行）中的许多标记添加不同的标签，这将花费很多时间。还有其他方法吗？这将减少我可以继续的时间或任何其他方法。
谢谢。
这里有一些工具：
GATE Teamware（基于网络）http://gate.ac.uk/teamware/
XConc 套件http://www-tsujii.is.s.u-tokyo.a...
智能（基于句子）http://www.aber.ac.uk/en/cs/rese...
Knowtator（Protégé 插件）http://knowtator.sourceforge.net/
语料库工具http://www.wagsoft.com/CorpusToo...
UIMA CAS 编辑器http://uima.apache.org/
木卫四 http://callisto.mitre.org/
Wordfreak http://wordfreak.sourceforge.net/
这个也值得一试：
自己用过，推荐
注释需要时间并且需要熟悉实体领域的人。没有办法解决这个问题。
归根结底，注释必须采用 opennlp 可识别的格式。基本格式如下来自opennlp文档：
The data can be converted to the OpenNLP name finder training format. Which is one sentence per line. Some other formats are available as well. The sentence must be tokenized and contain spans which mark the entities. Documents are separated by empty lines which trigger the reset of the adaptive feature generators. A training file can contain multiple types. If the training file contains multiple types the created model will also be able to detect these multiple types. For now it is recommended to only train single type models, since multi type support is still experimental.
所以如果你使用其他答案中提到的工具之一，你需要确保opennlp可以读取该格式或将该格式转换为可以识别的格式。
很抱歉这里真的没有好的解决方法。对于我们过去的项目，我们不得不多次执行此操作，有时我们很幸运有标签员为我们工作以获取手动注释的数据集构建，其余时间我们自己完成。
Also, I am not sure you really require 15k data items, I would suggest
to start from as low as 1-2k and test the performance, based on the
particular case you might be surprised by the results.
现在要构建您的数据集，最初我们使用的是普通的旧 excel 工作表，但很快就变成了一场噩梦，excel 不是为此类任务设计的，而且要查看 1000 行文本在 excel 中手动注释非常痛苦。
以下是我推荐的一些工具：
Dataturks：https://dataturks.com：非常易于使用的在线工具，提供直观的 UI，您可以让一个团队同时处理数据集。输出与 openNLP、coreNLP 等完全兼容
GATE：http://gate.ac.uk/：很好的旧工具。下载到本地机器，运行良好，设置有点麻烦。
BRAT: http://brat.nlplab.org/: 一个开源工具，可下载，在标记方面做得很好。
希望这对您有所帮助，祝您标记愉快:)
opennlp 的文档中提到我们必须用 15000 行来训练我们的模型以获得良好的性能。 现在，我必须从文档中提取不同的实体，这意味着我必须为训练数据（15000 行）中的许多标记添加不同的标签，这将花费很多时间。还有其他方法吗？这将减少我可以继续的时间或任何其他方法。
谢谢。
这里有一些工具：
GATE Teamware（基于网络）http://gate.ac.uk/teamware/
XConc 套件http://www-tsujii.is.s.u-tokyo.a...
智能（基于句子）http://www.aber.ac.uk/en/cs/rese...
Knowtator（Protégé 插件）http://knowtator.sourceforge.net/
语料库工具http://www.wagsoft.com/CorpusToo...
UIMA CAS 编辑器http://uima.apache.org/
木卫四 http://callisto.mitre.org/
Wordfreak http://wordfreak.sourceforge.net/
这个也值得一试：
自己用过，推荐
注释需要时间并且需要熟悉实体领域的人。没有办法解决这个问题。
归根结底，注释必须采用 opennlp 可识别的格式。基本格式如下来自opennlp文档：
The data can be converted to the OpenNLP name finder training format. Which is one sentence per line. Some other formats are available as well. The sentence must be tokenized and contain spans which mark the entities. Documents are separated by empty lines which trigger the reset of the adaptive feature generators. A training file can contain multiple types. If the training file contains multiple types the created model will also be able to detect these multiple types. For now it is recommended to only train single type models, since multi type support is still experimental.
所以如果你使用其他答案中提到的工具之一，你需要确保opennlp可以读取该格式或将该格式转换为可以识别的格式。
很抱歉这里真的没有好的解决方法。对于我们过去的项目，我们不得不多次执行此操作，有时我们很幸运有标签员为我们工作以获取手动注释的数据集构建，其余时间我们自己完成。
Also, I am not sure you really require 15k data items, I would suggest to start from as low as 1-2k and test the performance, based on the particular case you might be surprised by the results.
现在要构建您的数据集，最初我们使用的是普通的旧 excel 工作表，但很快就变成了一场噩梦，excel 不是为此类任务设计的，而且要查看 1000 行文本在 excel 中手动注释非常痛苦。
以下是我推荐的一些工具：
Dataturks：https://dataturks.com：非常易于使用的在线工具，提供直观的 UI，您可以让一个团队同时处理数据集。输出与 openNLP、coreNLP 等完全兼容
GATE：http://gate.ac.uk/：很好的旧工具。下载到本地机器，运行良好，设置有点麻烦。
BRAT: http://brat.nlplab.org/: 一个开源工具，可下载，在标记方面做得很好。
希望这对您有所帮助，祝您标记愉快:)