Как обучить Стэнфордский парсер с Genia Corpus?

У меня есть проблемы с созданием новой модели Stanford Parser.

Я также скачал последнюю версию из Стэнфорда: http://nlp.stanford.edu/software/lex-parser.shtml

А здесь Genia Corpus в 2-х форматах, xml и ptb (Penn Treebank).

Standford Parser может обучаться с файлами ptd; затем я скачал Genia Corpus, потому что хочу работать с биомедицинским текстом:

http://categorizer.tmit.bme.hu/~illes/genia_ptb/ ^{(ссылка больше не доступна)} (genia_ptb.tar.gz)

Затем у меня есть короткий основной класс, чтобы получить представление зависимости одного биомедицинского предложения:

    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 пробовал разные способы, но всегда получаю один и тот же результат.

У меня ошибка в последней строке. Это мой результат:

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

Как я мог создать новую модель с этим корпусом?

Как заявил Андрюц в своем комментарии, настоящая причина вашей проблемы, похоже, связана с отсутствующим классом.

Попробуйте проверить, правильно ли вы импортировали свою библиотеку (и убедитесь, что она содержит класс EnglishUnknownWordModelTra‌​inerвedu.stanford.nlp.parser.lexparser .

(Если вы используете Maven, убедитесь, что вы правильно добавили зависимость - быстрый поиск в Google: Stanford Parser Maven Repo )

Правильно ли установлена ​​библиотека НЛП? Проверьте журналы, чтобы убедиться, что ошибок нет. В большинстве случаев эта проблема возникает, когда библиотека stanford nltk не устанавливается правильно.

Быстрый способ проверить - запустить графический интерфейс, чтобы опробовать парсер, если он работает успешно, тогда библиотека установлена ​​правильно, в противном случае, если это вызывает ошибки, вы знаете, что ваша установка была плохой.

На сайте Стэнфорда также упоминается об этом:

Если вы новичок в синтаксическом анализе, вы можете начать с запуска графического интерфейса пользователя, чтобы опробовать анализатор. Сценарии включены для Linux (lexparser-gui.sh) и Windows (lexparser-gui.bat). Взгляните на документацию пакета Javadoc lexparser и документацию класса LexicalizedParser. (Наведите браузер на файл index.html во включенном каталоге javadoc и перейдите к этим элементам.) Посмотрите часто задаваемые вопросы по синтаксическому анализатору, чтобы найти ответы на общие вопросы. Если ничего из этого не помогает, ознакомьтесь с нашими рекомендациями по электронной почте, чтобы узнать, как связаться с нами для получения дополнительной помощи.

Проверьте, правильно ли вы импортировали библиотеку, и убедитесь, что она содержит класс {EnglishUnknownWordModelTra‌ iner}, а также убедитесь, что загруженная вами версия правильно работает с Genia Corps.