我在使用OpenNLP的模型构建插件来创建一个更好的NER模型。根据这个帖子，我使用了markg发布的代码：

public class ModelBuilderAddonUse {  private static List<String> getSentencesFromSomewhere() throws Exception   {      List<String> list = new ArrayList<String>();      BufferedReader reader = new BufferedReader(new FileReader("D:\\Work\\workspaces\\default\\UpdateModel\\documentrequirements.docx"));      String line;      while ((line = reader.readLine()) != null)       {          list.add(line);      }      reader.close();      return list;    }  public static void main(String[] args) throws Exception {    /**     * 建立一个文件来存储句子     */    File sentences = new File("D:\\Work\\workspaces\\default\\UpdateModel\\sentences.text");    /**     * 建立一个文件来存储你想要保留的NER命中（基于概率）     */    File knownEntities = new File("D:\\Work\\workspaces\\default\\UpdateModel\\knownentities.txt");    /**     * 建立一个黑名单文件来存储你不想要的NER命中（也可以基于概率）     */    File blacklistedentities = new File("D:\\Work\\workspaces\\default\\UpdateModel\\blentities.txt");    /**     * 建立一个文件来写入你的标注句子     */    File annotatedSentences = new File("D:\\Work\\workspaces\\default\\UpdateModel\\annotatedSentences.txt");    /**     * 建立一个文件来写入你的模型     */    File theModel = new File("D:\\Work\\workspaces\\default\\UpdateModel\\nl-ner-person.bin");//------------创建多个文件写入器来将你的结果和句子写入文件    FileWriter sentenceWriter = new FileWriter(sentences, true);    FileWriter blacklistWriter = new FileWriter(blacklistedentities, true);    FileWriter knownEntityWriter = new FileWriter(knownEntities, true);//设置一些阈值来决定将命中写入哪里，你可以完全不使用这些阈值...    double keeperThresh = .95;    double blacklistThresh = .7;    /**     * 像 usual 一样加载你的模型     */    TokenNameFinderModel personModel = new TokenNameFinderModel(new File("D:\\Work\\workspaces\\default\\UpdateModel\\nl-ner-person.bin"));    NameFinderME personFinder = new NameFinderME(personModel);    /**     * 对你拥有的句子进行通常的NER     */   for (String s : getSentencesFromSomewhere()) {      sentenceWriter.write(s.trim() + "\n");      sentenceWriter.flush();      String[] tokens = s.split(" ");//最好使用分词器    Span[] find = personFinder.find(tokens);      double[] probs = personFinder.probs();      String[] names = Span.spansToStrings(find, tokens);      for (int i = 0; i < names.length; i++) {        //你可能有比这更好的启发式方法来确保从默认模型中获得好的命中        if (probs[i] > keeperThresh) {          knownEntityWriter.write(names[i].trim() + "\n");        }        if (probs[i] < blacklistThresh) {          blacklistWriter.write(names[i].trim() + "\n");        }      }      personFinder.clearAdaptiveData();      blacklistWriter.flush();      knownEntityWriter.flush();    }    //刷新并关闭所有写入器    knownEntityWriter.flush();    knownEntityWriter.close();    sentenceWriter.flush();    sentenceWriter.close();    blacklistWriter.flush();    blacklistWriter.close();    /**     * 这是插件将使用这些文件（按原样）来创建新模型的地方。你应该不需要再次运行第一部分，只需现在调整已知实体和黑名单文件，然后再次运行下面的方法，直到你得到一些不错的结果（一个不错的模型）。     */    DefaultModelBuilderUtil.generateModel(sentences, knownEntities, blacklistedentities, theModel, annotatedSentences, "person", 3);  }}

它也能运行，但我的输出在以下位置停止：

    标注的句子：1862    已知实体：58    使用1862个标注构建模型    读取训练数据...

但在帖子中的示例中应该继续如下：

使用5的截止值索引事件    计算事件计数...完成。561755事件    索引...完成。排序和合并事件...完成。将561755事件减少到127362。完成索引。合并索引数据进行训练...完成。    事件标记数：127362        结果数：3      谓词数：106490...完成。

有谁能帮我解决这个问题，让我能生成一个模型？我已经搜索了很多，但找不到任何好的文档。非常感谢你的帮助。

回答：

像这样修正你的训练数据文件路径：

File sentences = new File("D:/Work/workspaces/default/UpdateModel/sentences.text");

而不是

File sentences = new File("D:\\Work\\workspaces\\default\\UpdateModel\\sentences.text");

更新

这是我如何使用的，通过将文件添加到项目文件夹中。试试这样 –

File sentences = new File("src/training/resources/CreateModel/sentences.txt");

查看我的Github仓库以获取参考

这应该会有所帮助。