CoreNLP

Stanford CoreNLP 项目介绍

概述

Stanford CoreNLP 是一个由斯坦福大学开发的自然语言处理工具集，全部用 Java 编写。它能够从原始的人类语言文本中提取信息，例如识别单词的基本形态、词性、企业或人名、日期和时间规范化以及识别数值，并标记句子的语法结构，还能分析名词短语指代的实体等。Stanford CoreNLP 最初是为英语设计的，但现在也支持现代标准阿拉伯语、中文、法语、德语、匈牙利语、意大利语和西班牙语等语言，支持程度各有不同。

项目特点

Stanford CoreNLP 提供了一个集成的框架，使得语言分析工具的应用变得非常简单。开发者只需两行代码就可以从纯文本中运行所有的工具。其分析结果可以作为更高级和领域特定文本理解应用的基础构建模块。该项目是一个成熟稳定且经过充分测试的自然语言处理工具集，被广泛应用于学术界、工业界及政府等多个领域。工具集成了基于规则、概率机器学习以及深度学习的组件。

构建说明

Stanford CoreNLP 定期发布新版软件，大致每年发布几次。在版本发布间隙，用户可以使用开发中的最新代码。

提供的构建

项目团队有时会提供带有最新代码的更新版 jar 文件。目前可以从 GitHub 获取最新发布的自构建 jar 版本。

使用 Ant 构建

1. 确保已安装 Ant。
2. 在 CoreNLP 目录运行 ant 命令编译代码。
3. 然后运行以下命令构建最新代码的 jar 文件：cd CoreNLP/classes ; jar -cf ../stanford-corenlp.jar edu
4. 这样将会在 CoreNLP 文件夹中创建一个名为 stanford-corenlp.jar 的新 jar 文件。
5. 最新代码所需的依赖项都在 CoreNLP/lib 和 CoreNLP/liblocal 中，确保在 CLASSPATH 中包含这些文件。
6. 处理英语以外的语言时，确保下载所需语言模型的最新版本。

使用 Maven 构建

1. 确保已安装 Maven。
2. 在 CoreNLP 目录运行 mvn package 命令，它会运行测试并构建一个 jar 文件。
3. 确保下载用于最新代码的模型和包含它们的 CLASSPATH。
4. 如果希望将 Stanford CoreNLP 作为 Maven 项目的组成部分，需要将模型 jar 安装到 Maven 仓库中，安装命令根据具体语言略有不同。

模型

对应于最新代码的模型 jar 可以在多个网站找到。如需获取某种语言的模型，可以使用 git-lfs 从 Hugging Face Hub 上克隆。模型 jar 可以直接从 Hugging Face Hub 页面下载。

通过 Gradle 安装

如需使用 Gradle，可以在 build.gradle 文件中添加相应依赖配置。需要分析英语时，还需要添加针对英语的模型配置。如果使用其他版本，替换配置中的版本号即可。

资源与支持

可以在 Maven Central 上找到 Stanford CoreNLP 的发布信息和相关文档说明。遇到问题时，可以在 StackOverflow 上提问或者加入邮件列表进行交流讨论。

Stanford CoreNLP 为文本分析提供了一个强大而灵活的工具集，对于希望在自然语言处理中取得进展的研究人员和开发者来说，它是一个不可或缺的资源。无论是在处理单纯的文本解析任务还是更复杂的语义分析中，它都能够提供有力的支持。