我的工作计划使用UIMA集群来运行文档，以提取命名实体等信息。据我所知，UIMA自带的NLP组件非常少。我已经测试了一段时间的GATE，并且对其比较熟悉。它在普通文本上表现得还不错，但是当我们将其运用到一些代表性测试数据中时，准确率会大幅下降。我们内部的文本数据有时全部是大写字母，有时全部是小写字母，或者在同一份文档中混合使用两种情况。即使使用ANNIE的全大写规则，准确率仍然不尽如人意。我最近听说过Stanford NLP和OpenNLP，但还没有时间进行广泛的训练和测试。这两个软件在准确度方面与ANNIE相比如何？它们能像GATE那样与UIMA一起使用吗？
提前感谢。
针对这些系统的性能，不可能或不合理给出普遍估计。就你所说的，在你的测试数据上准确度下降，原因有多个，其中一个是你的文档语言特征，另一个是你期望看到的注释特征。据我所知，每个命名实体识别任务都有类似但仍然不同的注释指南。
话虽如此，回答你的问题：
ANNIE是我在Java中找到的唯一免费开源基于规则的命名实体识别系统。它是为新闻文章编写的，我猜它是针对MUC 6任务进行调整的。它适用于概念验证，但已经有点过时了。主要优点是你可以在不需要任何机器学习、自然语言处理，甚至只需要一点Java的情况下开始改进它。只需学习JAPE并尝试一下。
OpenNLP、Stanford NLP等默认带有新闻文章模型，表现（只看结果，从未在大语料库上测试过）比ANNIE好。我更喜欢Stanford解析器，而不是OpenNLP，再次只看文档，主要是新闻文章。
如果不知道你的文档长什么样子，我真的无法再多说什么。你应该决定你的数据是否适合规则，或者你走机器学习的路线，使用OpenNLP、Stanford解析器或伊利诺伊标记器或任何其他工具。Stanford解析器似乎更适合只注重数据输入、训练和生成结果，而OpenNLP似乎更适合尝试不同的算法、调整参数等。
关于你在GATE和UIMA之间的争论，我两者都尝试过，在GATE中找到了更多的社区资源和更好的文档。抱歉给出个人意见 :)
只是为了记录，回答有关UIMA的问题：对于Stanford NLP和OpenNLP，都有优秀的打包作为UIMA分析引擎，可通过DKPro Core项目获得。
http://www.aclweb.org/aclwiki/index.php?title=MUC-7_(State_of_the_art)
请注意，如果您想使用这种实现状态，可能会遇到许可证问题。