如何使用CoreNLP的RegexNER覆盖命名实体的标记而不指定原始标记

Question

我知道CoreNLP的RegexNER允许我使用映射文件覆盖标记。例如，我有一个单词EGFR，CoreNLP认为它是一个组织。如果映射文件中有下面一行，它仍然将其标记为一个组织。

EGFR基因

如果我将该行更改为如下所示：

EGFR基因组织

然后CoreNLP将其标记为基因。

要做到这一点，我必须知道CoreNLP标记EGFR作为一个组织，我不能总是知道我的映射文件中的每一个字。现在我的问题是，有没有一种方法可以让RegexNER覆盖EGFR的标签，而不管最初的标签是什么？有点像

EGFR基因.*

Answer 1

您可以提供可以覆盖的逗号分隔的标记列表。

例如：

ORGANIZATION,PERSON,LOCATION,MISC

将允许它覆盖所有这些标记。

我不认为现在有一个覆盖所有选项，所以你必须列出你想要覆盖的每一个类型。

如果您总是希望用规则中的内容覆盖所有内容，则可以将此选项提供给TokensRegexNERAnnotator

regexner.backgroundSymbol ORGANIZATION,PERSON,LOCATION,MISC,O

然后每条规则都不需要有一个列表。

Answer 2

@StanfordNLPHelp的伟大回答

但是，如果您使用ner.fine进行映射，请使用下面的属性来获得覆盖-

Properties props = new Properties();
props.put("annotators", "tokenize, ssplit, pos, lemma, ner,regexner");
props.setProperty("ner.fine.regexner.mapping", rulesFiles);
//  props.put("regexner.backgroundSymbol", "ORGANIZATION,PERSON,LOCATION,MISC,O");
props.put("ner.fine.regexner.backgroundSymbol", "ORGANIZATION,PERSON,LOCATION,MISC,O");