Як тренувати Стенфордський парсер з Genia Corpus?

У мене є проблеми зі створення нової моделі для Stanford Parser.

Я також завантажив останню версію зі Стенфорда: http://nlp.stanford.edu/software/lex-parser.shtml

А ось Genia Corpus у 2 форматах, xml та ptb (Penn Treebank).

Standford Parser може тренуватися з файлами ptd; тоді я завантажив Genia Corpus, бо хочу працювати з біомедичним текстом:

http://categorizer.tmit.bme.hu/~illes/genia_ptb/ ^{(посилання більше не доступне)} (genia_ptb.tar.gz)

Потім у мене є короткий основний клас, щоб отримати представлення залежності одного біомедичного речення:

    String treebankPath = "/stanford-parser-2012-05-22/genia_ptb/GENIA_treebank_v1/ptb";

    Treebank tr = op.tlpParams.diskTreebank();
    tr.loadPath(treebankPath);  
    LexicalizedParser lpc=LexicalizedParser.trainFromTreebank(tr,op);

Я пробував різні способи, але завжди отримую однаковий результат.

У останньому рядку у мене помилка Це мій вихід:

Currently Fri Jun 01 15:02:57 CEST 2012
Options parameters:
useUnknownWordSignatures 2
smoothInUnknownsThreshold 100
smartMutation false
useUnicodeType false
unknownSuffixSize 1
unknownPrefixSize 1
flexiTag true
useSignatureForKnownSmoothing false
parserParams edu.stanford.nlp.parser.lexparser.EnglishTreebankParserParams
forceCNF false
doPCFG true
doDep false
freeDependencies false
directional true
genStop true
distance true
coarseDistance false
dcTags false
nPrune false
Train parameters: smooth=false PA=true GPA=false selSplit=true (400.0; deleting [VP^SQ, VP^VP, VP^SINV, VP^NP]) mUnary=1 mUnaryTags=false sPPT=false tagPA=true tagSelSplit=false (0.0) rightRec=true leftRec=false collinsPunc=false markov=true mOrd=2 hSelSplit=true (10) compactGrammar=3 postPA=false postGPA=false selPSplit=false (0.0) tagSelPSplit=false (0.0) postSplitWithBase=false fractionBeforeUnseenCounting=0.5 openClassTypesThreshold=50 preTransformer=null taggedFiles=null
Using EnglishTreebankParserParams splitIN=4 sPercent=true sNNP=0 sQuotes=false sSFP=false rbGPA=false j#=false jJJ=false jNounTags=false sPPJJ=false sTRJJ=false sJJCOMP=false sMoreLess=false unaryDT=true unaryRB=true unaryPRP=false reflPRP=false unaryIN=false sCC=1 sNT=false sRB=false sAux=2 vpSubCat=false mDTV=2 sVP=3 sVPNPAgr=false sSTag=0 mVP=false sNP%=0 sNPPRP=false dominatesV=1 dominatesI=false dominatesC=false mCC=0 sSGapped=4 numNP=false sPoss=1 baseNP=1 sNPNNP=0 sTMP=1 sNPADV=1 cTags=true rightPhrasal=false gpaRootVP=false splitSbar=0 mPPTOiIN=0
Binarizing trees...done. Time elapsed: 141 ms
Extracting PCFG...done. Time elapsed: 56 ms
Compiling grammar...done Time elapsed: 1 ms
Extracting Lexicon...Exception in thread "main" edu.stanford.nlp.util.ReflectionLoading$ReflectionLoadingException: edu.stanford.nlp.util.MetaClass$ClassCreationException: java.lang.ClassNotFoundException: edu.stanford.nlp.parser.lexparser.EnglishUnknownWordModelTrainer
    at edu.stanford.nlp.util.ReflectionLoading.loadByReflection(ReflectionLoading.java:39)
    at edu.stanford.nlp.parser.lexparser.BaseLexicon.initializeTraining(BaseLexicon.java:335)
    at edu.stanford.nlp.parser.lexparser.LexicalizedParser.getParserFromTreebank(LexicalizedParser.java:800)
    at edu.stanford.nlp.parser.lexparser.LexicalizedParser.trainFromTreebank(LexicalizedParser.java:226)
    at edu.stanford.nlp.parser.lexparser.LexicalizedParser.trainFromTreebank(LexicalizedParser.java:237)
    at ABravoDemo.main(ABravoDemo.java:35)
Caused by: edu.stanford.nlp.util.MetaClass$ClassCreationException: java.lang.ClassNotFoundException: edu.stanford.nlp.parser.lexparser.EnglishUnknownWordModelTrainer
    at edu.stanford.nlp.util.MetaClass.createFactory(MetaClass.java:353)
    at edu.stanford.nlp.util.MetaClass.createInstance(MetaClass.java:370)
    at edu.stanford.nlp.util.ReflectionLoading.loadByReflection(ReflectionLoading.java:37)
    ... 5 more
Caused by: java.lang.ClassNotFoundException: edu.stanford.nlp.parser.lexparser.EnglishUnknownWordModelTrainer
    at java.net.URLClassLoader$1.run(URLClassLoader.java:200)
    at java.security.AccessController.doPrivileged(Native Method)
    at java.net.URLClassLoader.findClass(URLClassLoader.java:188)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:303)
    at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:301)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:248)
    at java.lang.ClassLoader.loadClassInternal(ClassLoader.java:316)
    at java.lang.Class.forName0(Native Method)
    at java.lang.Class.forName(Class.java:169)
    at edu.stanford.nlp.util.MetaClass$ClassFactory.construct(MetaClass.java:119)
    at edu.stanford.nlp.util.MetaClass$ClassFactory.<init>(MetaClass.java:192)
    at edu.stanford.nlp.util.MetaClass$ClassFactory.<init>(MetaClass.java:53)
    at edu.stanford.nlp.util.MetaClass.createFactory(MetaClass.java:349)
    ... 7 more

Як я міг створити нову модель за допомогою цього корпусу?

Як заявив andrucz у своєму коментарі, справжня причина вашої проблеми, мабуть, походить із відсутнього класу.

Спробуйте перевірити, чи правильно ви імпортували вашу бібліотеку (і переконайтеся, що вона містить клас EnglishUnknownWordModelTra‌​inerу edu.stanford.nlp.parser.lexparser.

(Якщо ви використовуєте Maven, переконайтеся, що ви правильно додали залежність - швидкий пошук Google в цьому:: Stanford Parser Maven Repo )

Чи правильно встановлена ​​бібліотека NLP? Перевірте в журналах, щоб переконатися у відсутності помилок. У більшості випадків ця проблема виникає, коли бібліотека Stanford nltk не встановлена ​​належним чином.

Швидкий спосіб перевірити - запустивши графічний інтерфейс, щоб перевірити аналізатор, якщо це працює успішно, то бібліотека встановлена ​​правильно, інакше, якщо це видає помилки, то ви знаєте, що ваша установка була поганою.

Веб-сайт Стенфорда також згадує про це:

Якщо ви новачок в синтаксичному розборі, ви можете почати, запустивши графічний інтерфейс, щоб випробувати парсер. Скрипти включаються для Linux (lexparser-gui.sh) та Windows (lexparser-gui.bat). Погляньте на документацію пакета Javadoc lexparser та документацію на клас LexicalizedParser. (Наведіть веб-браузер на файл index.html у включеному каталозі javadoc та перейдіть до цих елементів.) Подивіться на поширені запитання для аналізу, щоб отримати відповіді на поширені запитання. Якщо нічого з цього не допомагає, перегляньте наші вказівки електронною поштою щодо інструкцій, як звернутися до нас для подальшої допомоги.

Перевірте, чи правильно ви імпортували бібліотеку, і переконайтеся, що вона містить клас {EnglishUnknownWordModelTra‌ iner}, а також переконайтеся, що версія, яку ви завантажили, правильно працює з Genia Corps.