OpenNLP - API referenciada
En este capítulo, discutiremos sobre las clases y métodos que usaremos en los siguientes capítulos de este tutorial.
Detección de frases
SentenceModel clase
Esta clase representa el modelo predefinido que se utiliza para detectar las oraciones en el texto sin formato dado. Esta clase pertenece al paqueteopennlp.tools.sentdetect.
El constructor de esta clase acepta un InputStream objeto del archivo de modelo del detector de oraciones (en-sent.bin).
SentenceDetectorME clase
Esta clase pertenece al paquete opennlp.tools.sentdetecty contiene métodos para dividir el texto sin procesar en oraciones. Esta clase utiliza un modelo de entropía máxima para evaluar los caracteres de fin de oración en una cadena para determinar si significan el final de una oración.
Los siguientes son los métodos importantes de esta clase.
| S. No | Métodos y descripción |
|---|---|
| 1 |
sentDetect() Este método se utiliza para detectar las oraciones en el texto sin formato que se le pasa. Acepta una variable de cadena como parámetro y devuelve una matriz de cadena que contiene las oraciones del texto sin formato dado. |
| 2 |
sentPosDetect() Este método se utiliza para detectar las posiciones de las oraciones en el texto dado. Este método acepta una variable de cadena, que representa la oración y devuelve una matriz de objetos del tipoSpan. La clase nombrada Span del opennlp.tools.util paquete se utiliza para almacenar el número entero inicial y final de conjuntos. |
| 3 |
getSentenceProbabilities() Este método devuelve las probabilidades asociadas con las llamadas más recientes a sentDetect() método. |
Tokenización
TokenizerModel clase
Esta clase representa el modelo predefinido que se utiliza para tokenizar la oración dada. Esta clase pertenece al paqueteopennlp.tools.tokenizer.
El constructor de esta clase acepta un InputStream objeto del archivo del modelo de tokenizador (entoken.bin).
Clases
Para realizar la tokenización, la biblioteca OpenNLP proporciona tres clases principales. Las tres clases implementan la interfaz llamadaTokenizer.
| S. No | Clases y descripción |
|---|---|
| 1 |
SimpleTokenizer Esta clase tokeniza el texto sin formato dado utilizando clases de caracteres. |
| 2 |
WhitespaceTokenizer Esta clase usa espacios en blanco para tokenizar el texto dado. |
| 3 |
TokenizerME Esta clase convierte el texto sin formato en tokens separados. Utiliza la máxima entropía para tomar sus decisiones. |
Estas clases contienen los siguientes métodos.
| S. No | Métodos y descripción |
|---|---|
| 1 |
tokenize() Este método se utiliza para tokenizar el texto sin formato. Este método acepta una variable de cadena como parámetro y devuelve una matriz de cadenas (tokens). |
| 2 |
sentPosDetect() Este método se utiliza para obtener las posiciones o lapsos de los tokens. Acepta la oración (o) texto sin formato en forma de cadena y devuelve una matriz de objetos del tipoSpan. |
Además de los dos métodos anteriores, el TokenizerME la clase tiene el getTokenProbabilities() método.
| S. No | Métodos y descripción |
|---|---|
| 1 |
getTokenProbabilities() Este método se utiliza para obtener las probabilidades asociadas con las llamadas más recientes al tokenizePos() método. |
NombreEntidadReconocimiento
TokenNameFinderModel clase
Esta clase representa el modelo predefinido que se usa para encontrar las entidades nombradas en la oración dada. Esta clase pertenece al paqueteopennlp.tools.namefind.
El constructor de esta clase acepta un InputStream objeto del archivo de modelo del buscador de nombres (enner-person.bin).
Clase NameFinderME
La clase pertenece al paquete opennlp.tools.namefindy contiene métodos para realizar las tareas NER. Esta clase usa un modelo de entropía máxima para encontrar las entidades nombradas en el texto sin formato dado.
| S. No | Métodos y descripción |
|---|---|
| 1 |
find() Este método se utiliza para detectar los nombres en el texto sin formato. Acepta una variable String que representa el texto en bruto como parámetro y devuelve una matriz de objetos del tipo Span. |
| 2 |
probs() Este método se utiliza para obtener las probabilidades de la última secuencia decodificada. |
Encontrar las partes del habla
POSModel clase
Esta clase representa el modelo predefinido que se utiliza para etiquetar las partes del discurso de la oración dada. Esta clase pertenece al paqueteopennlp.tools.postag.
El constructor de esta clase acepta un InputStream objeto del archivo de modelo pos-tagger (enpos-maxent.bin).
Clase POSTaggerME
Esta clase pertenece al paquete opennlp.tools.postagy se utiliza para predecir las partes gramaticales del texto sin formato dado. Utiliza la máxima entropía para tomar sus decisiones.
| S. No | Métodos y descripción |
|---|---|
| 1 |
tag() Este método se utiliza para asignar la frase de tokens a las etiquetas POS. Este método acepta una matriz de tokens (String) como parámetro y devuelve una etiqueta (matriz). |
| 2 |
getSentenceProbabilities() Este método se utiliza para obtener las probabilidades de cada etiqueta de la oración etiquetada recientemente. |
Analizando la oración
Clase ParserModel
Esta clase representa el modelo predefinido que se usa para analizar la oración dada. Esta clase pertenece al paqueteopennlp.tools.parser.
El constructor de esta clase acepta un InputStream objeto del archivo de modelo del analizador (en-parserchunking.bin).
Clase Parser Factory
Esta clase pertenece al paquete opennlp.tools.parser y se usa para crear analizadores.
| S. No | Métodos y descripción |
|---|---|
| 1 |
create() Este es un método estático y se usa para crear un objeto analizador. Este método acepta el objeto Filestream del archivo del modelo del analizador. |
Clase ParserTool
Esta clase pertenece a la opennlp.tools.cmdline.parser package y, se utiliza para analizar el contenido.
| S. No | Métodos y descripción |
|---|---|
| 1 |
parseLine() Este método del ParserToolLa clase se utiliza para analizar el texto sin formato en OpenNLP. Este método acepta:
|
Fragmentación
Clase ChunkerModel
Esta clase representa el modelo predefinido que se utiliza para dividir una oración en partes más pequeñas. Esta clase pertenece al paqueteopennlp.tools.chunker.
El constructor de esta clase acepta un InputStream objeto de la chunker archivo de modelo (enchunker.bin).
Clase ChunkerME
Esta clase pertenece al paquete llamado opennlp.tools.chunker y se usa para dividir la oración dada en partes más pequeñas.
| S. No | Métodos y descripción |
|---|---|
| 1 |
chunk() Este método se utiliza para dividir la oración dada en partes más pequeñas. Acepta tokens de una oración yPletras OF Setiquetas peech como parámetros. |
| 2 |
probs() Este método devuelve las probabilidades de la última secuencia decodificada. |