Che cos'è una buona libreria Java per i tag Parts-Of-Speech?

Question

Sto cercando una buona fonte aperta POS Tagger in Java. Ecco cosa ho inventato finora.

• LingPipe
• Stanford
• LBJ
• FastTag

Qualcuno ha ottenuto tutte le raccomandazioni?

Answer 1

Ho usato OpenNLP con buoni risultati. Puoi anche dare un'occhiata a MorphAdorner.

Answer 2

Ho usato sia LingPipe che il POS Tagger di Stanford. Il successivo è un POS Tagger ma, a causa della mia esperienza, è troppo lento (sebbene fornisca modelli meno precisi, che sono ragionevolmente veloci). Naturalmente, dipende sempre da ciò che stai cercando di ottenere, e ci sarà sempre un compromesso tra velocità e accuratezza.

Ho anche usato un software NER basato su LBJ e, sebbene fosse abbastanza accurato, il codice sorgente era un disastro completo. Sia la fonte di LingPipe che quella di Stanford sono molto pulite e ben documentate.

Puoi anche dare un'occhiata a LTAG-spinal. Non l'ho ancora usato, ma dalla descrizione dell'algoritmo e dalla precisione elencata, sicuramente sembra migliore delle alternative che hai finora.

Spero che aiuti.

Answer 3

Stai cercando di taggare POS in un dominio specifico? La maggior parte dei tagger generici sono addestrati sul testo di newswire. In genere non funzionano bene quando li si utilizza in domini specifici (tale e testo biomedico). Esistono altri tagger specificamente addestrati per tali domini come dTagger (java) per il testo biomedico.

Per il testo del newswire, Adwait Ratnaparkhi's MXPOST è molto buono ed è quello che raccomanderei.

Altre implementazioni di Java sono:

1. MontyLingua
2. Berkeley Parser (Non proprio un tagger POS, ma tutti i parser pieno soffiato includerà tipicamente tagger POS Google per Java parser sintattico e troverete molti. .)
3. QTag
4. LBJ

OpenNLP e Lingpipe come pubblicato dagli altri poster sono anche abbastanza decenti.

Le informazioni sullo stato dell'arte sulla codifica POS possono essere trovate here. Come potete vedere, LTAG-Spinal (menzionato anche da un altro poster) è al momento il migliore, ma la variazione tra i vari tagger non è molta. Non ho usato LTAG me stesso.

Si noti inoltre che le prestazioni di base per la codifica POS sono circa del 90%. Baseline significa: (a) tagga ogni parola con il tag POS più frequente da un lessico, e (b) tagga ogni parola sconosciuta come un nome.