スタンフォードの番号名の実体認識

Question

スタンフォードを使用しているテキストから数字の実体を認識しようとしているという問題があります。たとえば、2000万円の場合は「Number」のように取得しています：["20 -5、 "million-6"]、どうすれば20百万人が集まるように答えを最適化できますか？上記の例で（5,6）のようなインデックス番号を無視するにはどうしたらいいですか？私はJava言語を使用しています。

public void extractNumbers(String text) throws IOException { 
    number = new HashMap<String, ArrayList<String>>(); 
    n= new ArrayList<String>(); 
    edu.stanford.nlp.pipeline.Annotation document = new edu.stanford.nlp.pipeline.Annotation(text); 
    pipeline.annotate(document); 
    List<CoreMap> sentences = document.get(CoreAnnotations.SentencesAnnotation.class); 
    for (CoreMap sentence : sentences) { 
     for (CoreLabel token : sentence.get(CoreAnnotations.TokensAnnotation.class)) { 

      if (!token.get(CoreAnnotations.NamedEntityTagAnnotation.class).equals("O")) { 

       if (token.get(CoreAnnotations.NamedEntityTagAnnotation.class).equals("NUMBER")) { 
        n.add(token.toString()); 
     number.put("Number",n); 
       } 
      } 

     } 

    } 

Answer 1

単にあなたがこれらのトークンから、何が必要な場合は、CoreLabel年代javadocを見て代わりtoken.toString()

のtoken.originalText()を使用CoreLabelクラスの任意のオブジェクトから正確なテキストを取得します。