jave使用corenlp

corenlp斯坦福大学开发的基于java语言的自然语言处理工具，能够为文本多种语言学标注，包括分词，句子边界，词性标注，命名实体识别，数字与时间，句法解析（dependency and constituency parses），指代消解，情感，引用归因，关系。目前支持6种语言:阿拉伯语、汉语、英语、法语、德语和西班牙语。

在这里插入图片描述

一个原始句子，会经过上图一系列的标注处理，产生标注集合。

词性标注：

在这里插入图片描述

命名实体识别：

在这里插入图片描述

依存句法解析：

在这里插入图片描述

指代消解：

在这里插入图片描述
使用流程：
（0）需要java环境，提前安装好JDK，运行jave -version，有结果，即为安装好。
（1）从官网下载并解压 CoreNLP 4.2.2
（2）根据所要处理的语言，下载相应的jar包，放到（1）解压的文件夹下面（以英文为例）

mv /path/to/stanford-corenlp-4.2.2-models-english.jar /path/to/stanford-corenlp-4.2.2

（3）配置环境变量，使得可以直接访问到（1）（2）下载到的依赖包。

export CLASSPATH=$CLASSPATH:/path/to/stanford-corenlp-4.2.2/*

（4）标注原始文本。

java -Xmx5g edu.stanford.nlp.pipeline.StanfordCoreNLP -file input.txt

指定需要标注的类型以及输出的格式xml：

java -mx2g edu.stanford.nlp.pipeline.StanfordCoreNLP -annotators tokenize,ssplit,pos,lemma,ner,parse -ssplit.eolonly -tokenize.whitespace true -file input.txt -outputFormat xml

如果没有配置好环境变量，会报错Error: Could not find or load main class edu.stanford.nlp.pipeline.StanfordCoreNLP 无法访问到jar包

除了配置环境变量的其他解决方法

1. 进入stanford-corenlp-4.2.2目录下再使用：

cd  stanford-corenlp-4.2.2
java -Xmx5g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLP -file input.txt

2. 或者指定jar包所在的目录：

java -Xmx5g -cp "./stanford-corenlp-4.2.2/*" edu.stanford.nlp.pipeline.StanfordCoreNLP -file input.txt