这篇文章主要介绍“OpenNLP的Name Finder怎么使用”，在日常操作中，相信很多人在OpenNLP的Name Finder怎么使用问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”OpenNLP的Name Finder怎么使用”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
创新互联公司主要从事成都网站设计、成都做网站、网页设计、企业做网站、公司建网站等业务。立足成都服务沧州,10余年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:13518219792
##Named Entity Recognition 命令实体识别## Name Finder可以检测文本中的命名实体和数字。要检测实体，Name Finder需要一个模型。模型依赖于它训练的语言和实体类型。OpenNlP提供了许多预训练的name finder模型，他们使用各种各样可以免费得到的语料库训练。他们可以在我们的模型下载页面下载。在未经处理的（raw）文本中发现names，这个文本必须被分割成tokens和Sentences。在Sentence detector和tokenizer 入门中给出了详细的描述。确保用于训练的tokenization数据和输入文本是相同的。
###Name Finder Tool### ###Name Finder API### 在一个生产系统中使用Name Finder，强烈推荐直接嵌入它到应用程序中，而不是使用命令行接口。首先，必须从磁盘或者其他源加载name finder模型。下面的示例实在磁盘加载的.
InputStream modelIn = new FileInputStream("en-ner-person.bin");
try {
TokenNameFinderModel model = new TokenNameFinderModel(modelIn);
}
catch (IOException e) {
e.printStackTrace();
}
finally {
if (modelIn != null) {
try {
modelIn.close();
}
catch (IOException e) {
}
}
}有许多原因会导致模型加载失败：
基本的I/O问题
模型的版本和OpenNLP版本不兼容
模型加载到错误的组件，例如，一个tokenizer模型加载到TokenNameFinderModel类
由于其他一些原因模型内容不可用
在模型加载后，NameFinderME可以实例化。
NameFinderME nameFinder = new NameFinderME(model);
初始化现在完成，Name Finder现在可以使用。NameFinderME不是线程安全的，他必须只在一个线程中调用。要使用多线程多NameFinderME实例共享可以创建相同的模型实例。输入本文必须切分成documents，sentences，和tokens。应用程序调用find方法在文档中的每一个sentence中执行实体检测。After every document clearAdaptiveData must be called to clear the adaptive data in the feature generators.Not calling clearAdaptiveData can lead to a sharp drop in the detection rate after a few documents. 下面的代码解释了这个：
for (String document[][] : documents) {
for (String[] sentence : document) {
Span nameSpans[] = nameFinder.find(sentence);
// do something with the names
}
nameFinder.clearAdaptiveData()
}下面的片段展示了find的一个调用：
String sentence[] = new String[]{
"Pierre",
"Vinken",
"is",
"61",
"years"
"old",
"."
};
Span nameSpans[] = nameFinder.find(sentence);到此，关于“OpenNLP的Name Finder怎么使用”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！