Jak trenować Parser Stanforda z Genią Corpus?

Mam pewne problemy z utworzeniem nowego modelu dla Stanford Parser.

Pobrałem również ostatnią wersję ze Stanford: http://nlp.stanford.edu/software/lex-parser.shtml

A tutaj Genia Corpus w 2 formatach, xml i ptb (Penn Treebank).

Standford Parser może trenować z plikami ptd; potem pobrałem Genia Corpus, bo chcę pracować z tekstem biomedycznym:

http://categorizer.tmit.bme.hu/~illes/genia_ptb/ ^{(link nie jest już dostępny)} (genia_ptb.tar.gz)

Następnie mam krótką klasę główną, aby uzyskać reprezentację zależności jednego zdania biomedycznego:

    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);

Próbowałem różnych sposobów, ale zawsze otrzymuję ten sam wynik.

Mam błąd w ostatniej linii. Oto mój wynik:

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

Jak mogę stworzyć nowy model z tym korpusem?

Jak stwierdził Andrucz w swoim komentarzu, prawdziwą przyczyną twojego problemu wydaje się być brakująca klasa.

Spróbuj sprawdzić, czy poprawnie zaimportowałeś swoją bibliotekę (i upewnij się, że zawiera ona klasę EnglishUnknownWordModelTra‌​inerw formacie edu.stanford.nlp.parser.lexparser.

(Jeśli używasz Mavena, sprawdź, czy poprawnie dodałeś zależność - szybki przegląd w Google: Stanford Parser Maven Repo )

Czy biblioteka NLP została zainstalowana poprawnie? Sprawdź dzienniki, aby sprawdzić, czy nie ma błędów. W większości przypadków ten problem występuje, gdy biblioteka stanford nltk nie jest poprawnie instalowana.

Szybkim sposobem sprawdzenia jest uruchomienie GUI w celu wypróbowania parsera, czy działa on pomyślnie, a następnie biblioteka jest zainstalowana poprawnie, w przeciwnym razie, jeśli powoduje to błędy, to wiesz, że instalacja była słaba.

Witryna Stanford również wspomina o tym:

Jeśli nie znasz się na parsowaniu, możesz zacząć od uruchomienia GUI, aby wypróbować parser. Dołączono skrypty dla linuksa (lexparser-gui.sh) i Windows (lexparser-gui.bat). Zapoznaj się z dokumentacją pakietu lexparser Javadoc i dokumentacją klasy LexicalizedParser. (Skieruj swoją przeglądarkę internetową na plik index.html w dołączonym katalogu javadoc i przejdź do tych pozycji). Zajrzyj do FAQ parsera, aby znaleźć odpowiedzi na typowe pytania. Jeśli to nie pomoże, zapoznaj się z naszymi wskazówkami dotyczącymi poczty e-mail, aby uzyskać instrukcje, jak skontaktować się z nami w celu uzyskania dalszej pomocy.

Sprawdź, czy poprawnie zaimportowałeś bibliotekę i upewnij się, że zawiera ona klasę {EnglishUnknownWordModelTra‌ iner}, a także upewnij się, że pobrana wersja działa poprawnie z Genia Corps.