uima Wortliste fehlende Einträge
mit uima ruta 2.7.0
DECLARE Substance;
WORDLIST EnzymeSearchList = 'enzyme.txt';
Document{-> MARKFAST(Substance, EnzymeSearchList, true)}; // true ignores case
enzym.txt enthält ~ 16.000 Einträge (= Zeilen)
Wenn ich eine Datei mit wenigen Einträgen verwende, z. B. 5, funktionieren meine weiteren Regeln problemlos. Sobald ich die vollständige Liste mit Tausenden von Einträgen bereitgestellt habe, sind meine Ergebnisse unvollständig.
Kann das Problem durch das Erreichen des WORDLIST-Limits verursacht werden? Oder vielleicht Haufen? Bei der Programmausführung schlägt nichts fehl.
Ich habe einen Thread gefunden, der speziell angibt
Es gibt keine maximale Größe für die Wortlisten in UIMA Ruta. ... Meine größte Wortliste bestand aus ungefähr 500.000 Einträgen
Antworten
Ich gehe davon aus, dass Sie mit unvollständig meinen, dass mehrere (obivöse) Entitäten im Dokument nicht gefunden / kommentiert wurden?
Dies wird höchstwahrscheinlich durch Leerzeichen in der Datei enzym.txt verursacht. Können Sie dies überprüfen, z. B. alle Leerzeichen in dieser Datei entfernen und das Skript erneut testen?
Wenn das Problem durch Leerzeichen verursacht wird, gibt es verschiedene Möglichkeiten, dies zu lösen / zu vermeiden. Sie können beispielsweise den Konfigurationsparameter 'dictRemoveWS' auf true setzen, um die Leerzeichen beim Laden des Wörterbuchs automatisch zu entfernen.
Ist ein Upgrade auf UIMA Ruta 2.8.1 (das auch dieses Problem beheben sollte) eine Option?