使用 Stanford corenlp 训练 caseless NER 模型
Training caseless NER models with Stanford corenlp
我知道如何按规定训练 NER 模型 here and have a very successful one in fact. I also know about the 3 provided caseless models as talked about here。但是如果我想训练我自己的 caseless 模型，那有什么诀窍呢？我有一堆全部大写的文件用于训练。我是否使用相同的培训过程，或者是否有 special/different 无壳模型的功能，或者是否有需要设置的属性？我找不到关于所提供的无壳模型是如何创建的描述。
我们的模型只有一个 属性 变化，那就是您希望它调用一个函数，在处理单词进行分类之前删除大小写信息。我们用这个 属性 值（它也将一些词映射到美国拼写）来做到这一点：
wordFunction = edu.stanford.nlp.process.LowercaseAndAmericanizeFunction
但也有简单的：
wordFunction = edu.stanford.nlp.process.LowercaseFunction
有更多自动的东西来决定文档格式（hard/soft 换行符）、大小写，甚至语言会很好，但目前我们没有这些....
我知道如何按规定训练 NER 模型 here and have a very successful one in fact. I also know about the 3 provided caseless models as talked about here。但是如果我想训练我自己的 caseless 模型，那有什么诀窍呢？我有一堆全部大写的文件用于训练。我是否使用相同的培训过程，或者是否有 special/different 无壳模型的功能，或者是否有需要设置的属性？我找不到关于所提供的无壳模型是如何创建的描述。
我们的模型只有一个 属性 变化，那就是您希望它调用一个函数，在处理单词进行分类之前删除大小写信息。我们用这个 属性 值（它也将一些词映射到美国拼写）来做到这一点：
wordFunction = edu.stanford.nlp.process.LowercaseAndAmericanizeFunction
但也有简单的：
wordFunction = edu.stanford.nlp.process.LowercaseFunction
有更多自动的东西来决定文档格式（hard/soft 换行符）、大小写，甚至语言会很好，但目前我们没有这些....