斯坦福corenlp暫停和繼續註釋管道

Question

通常，當您使用的發言權corenlp註釋管道NER你會寫下面的代碼

Properties props = new Properties(); 
props.put("annotators", "tokenize, ssplit, pos, lemma, ner"); 
StanfordCoreNLP pipeline = new StanfordCoreNLP(props); 
pipeline.annotate(document); 

我想在上面的管道進行句子拆分，即ssplit。但之後我想刪除太長的句子，然後繼續其餘的管道。我一直在做的是分句，按長度過濾句子，然後通過應用整個流水線執行NER，即tokenize, ssplit, pos, lemma, ner。所以基本上我已經執行了兩次tokenize和ssplit。有沒有更有效的方法來做到這一點？例如，執行tokenize和ssplit，然後暫停管道以刪除過長的句子，然後用pos，lemma和ner恢復管道。

Answer 1

您可以創建兩個管道對象，第二個管道對象採用後面的註釋器。所以：

Properties props = new Properties(); 
props.put("annotators", "tokenize, ssplit"); 
StanfordCoreNLP pipeline = new StanfordCoreNLP(props); 
pipeline.annotate(document); 

通過如下：

Properties props = new Properties(); 
props.put("annotators", "pos, lemma, ner"); 
StanfordCoreNLP pipeline = new StanfordCoreNLP(props, false); 
pipeline.annotate(document); 

注意，當然，一些註釋（例如，字符偏移量），如果你刪除中間的句子會不直觀。