Apache UIMA和Apache OpenNLP有什么不同？

Question

我一直在进行Apache OpenNLP的能力测试，它具有句子检测、分词和命名实体识别的功能。现在当我开始查看UIMA文档时，在UIMA首页上提到了“语言识别”=>“语言特定分割”=>“句子边界检测”=>“实体检测（人名/地点等）”。

这意味着我可以使用UIMA来执行与OpenNLP相同的任务。它们都有哪些附加功能？ 我是新手，请帮助我理解两者的用途和能力方面。

- vashishth

---

乍一看，UIMA似乎使用OpenNLP提供了一个框架来管理许多不同种类的资源，包括图像、音频和视频，而OpenNLP的重点显然是包含人类语言的文本文件。 - tripleee

Answer 1

据我理解，您是在询问Apache UIMA和Apache OpenNLP的特征集之间的差异。这两个项目的特征集几乎没有任何共同之处，因为这两个项目有非常不同的目标。

Apache UIMA是UIMA规范的开源实现。后者定义了一种概念性框架，用于将非结构化信息（例如由人类产生的自然语言）与结构化元数据相结合，以便计算机可以处理它。

举一个处理非结构化信息的应用程序的例子，我们可以考虑一个应用程序，该应用程序以自然语言文本作为输入，并标记给定文本中的所有命名实体，例如：

Input text = "Bob's cat Charlie is chasing a mouse."
Result = "<NE>Bob</NE>'s cat <NE>Charlie</NE> is chasig a mouse."

为了在这个例子中识别出所列明的命名实体（即“Bob”和“Charlie”），需要执行几个自然语言处理步骤。一个假想的命名实体识别系统可能涉及以下步骤：数据准备、句子拆分、标记化、标记化单词还原、词性标注、短语检测、将短语分类为命名实体或非命名实体。可以看到，这种应用程序可以非常直观地建模为组件序列，这正是 UIMA 所做的。它将处理非结构化信息的应用程序建模为组件（在 UIMA 术语中称为“分析器”）的管道。正如您所想象的那样，上面列出的许多管道组件可用于其他任务，因此 UIMA 的架构设计强调组件的可重用性。为了避免混淆，UIMA 标准本身不提供任何特定的组件，但定义了 UIM（非结构化信息管理）应用程序的基础设施，例如工作流程、数据类型、组件间通信等等。另一方面，Apache OpenNLP 正是提供处理非常具体任务（如句子拆分、词性标注等）的 NLP 算法的具体实现。你可能感到困惑的源头可能是可以编写包装 OpenNLP 工具的 Apache UIMA 组件。实际上，OpenNLP 项目提供了这样的组件。是否要为 UIM 应用程序使用 UIMA 框架取决于项目的规模。如果它很小，我会不使用 UIMA，直接使用 OpenNLP，因为 UIMA 很笨重，在小应用程序中只会增加复杂但（对于小应用程序）不必要的开销。此外，由于其复杂性，学习如何使用它需要相当长的时间。总之，Apache UIMA 和 Apache OpenNLP 解决不同的问题，但由于两者都处理非结构化信息，因此它们可以被有益地结合使用。

- zepp133

---

你的回答非常到位，让我对此有了更深刻的理解。除了UIMA和OpenNLP之外，在构建NLP流水线和提供NLP算法的具体实现方面，还有哪些其他工具可用？谢谢。 - Andy Dufresne