Stanford NER模型使用，训练自己的NER模型，终端使用和java调用

浅浅的花香味﹌ 2022-06-06 14:30 349阅读 0赞

### 使用Stanford NER模型对语料进行命名实体识别 ###

首先下载Stanford NER包，地址https://nlp.stanford.edu/software/CRF-NER.html，然后下载解压即可使用。

#### 一、用Stanford NER原始训练好的模型对语料识别 ####

1.简单默认操作：  
    命令：

java -mx600m -cp "*;lib\*" edu.stanford.nlp.ie.crf.CRFClassifier -loadClassifier classifiers/english.all.3class.distsim.crf.ser.gz -textFile sample.txt

上面参数详解

-cp  表示依赖包路径（直接指定jar包也行，如将"*;lib\*"替换为stanford-ner.jar）；
    classifiers/english.all.3class.distsim.crf.ser.gz   指选择的命名实体识别模型；
    sample.txt 要识别语料的文件。

2.可选参数，能选择数据输出格式，和输出到文件

命令：

java -mx600m -cp "*;lib/*" edu.stanford.nlp.ie.crf.CRFClassifier -loadClassifier classifiers/english.all.3class.distsim.crf.ser.gz -outputFormat tabbedEntities -textFile sample.txt > sample.tsv

![Center][]

-outputFormat tabbedEntities 指数据输出格式为tabbedEntities，如果不加这个参数，默认为在词的两边进行实体标注  
        > sample.tsv 表示输出结果到文件sample.tsv

#### 二、启用Stanford NER本地服务器处理NER ####

1.开启服务器命令：

java -mx1000m -cp stanford-ner.jar edu.stanford.nlp.ie.NERServer  -loadClassifier classifiers/english.conll.4class.distsim.crf.ser.gz  -port 2314 -outputFormat inlineXML

2.然后打开另一个终端，输入NER识别命令：

java -cp stanford-ner.jar edu.stanford.nlp.ie.NERServer -port 2314 -client

3.接着在该终端中输入你要操作NER的语言，按回车键后就能看到识别结果

#### 三、训练自己的模型：如果没有把Stanford NER配置到系统环境变量，以下操作需要在该文件下 ####

1.首先建立自己的标注语料，句子中的每个单词独立成行，Tab后跟该单词的标注类别，默认为O，例：将Friday（星期）标注为week

![Center 1][]

2.训练标注语料产生模型：官方说虽然所有的参数都可以通过命令行的方式指定，但更推荐用配置文件的方式。

配置文件（文件内容较多这里为给出），然后命名格式xxx.prop

3.执行命令：

java -cp stanford-ner.jar edu.stanford.nlp.ie.crf.CRFClassifier -prop xxx.prop

然后会在该目录下看到一个xxx.ser.gz的模型文件

![Center 2][]

4.用自己的模型识别实体同上一或二，本识别结果如下：

![Center 3][]

#### 四、java调用 ####

参考本项目地址：

#### 四、Python接口使用 ####

参考博客链接：[https://blog.csdn.net/qq\_35203425/article/details/80451243][https_blog.csdn.net_qq_35203425_article_details_80451243]

[Center]: /images/20220606/5a04e9e4752b46a08ebf434e71e0542e.png
[Center 1]: /images/20220606/13cde52050044191ba54a93b8c21745e.png
[Center 2]: /images/20220606/1cdaa2e09f2746ca89bca84be9b2e76e.png
[Center 3]: /images/20220606/c6ff805d1b0141d2bd51adb9dcbca65e.png
[https_blog.csdn.net_qq_35203425_article_details_80451243]: https://blog.csdn.net/qq_35203425/article/details/80451243