ACE2005数据预处理步骤

作者：2023面试高手 | 2024-04-04 11:52:45

踩

ace2005

nlpcl-lab/ace2005-预处理：ACE 2005 事件提取任务的语料库预处理 (github.com)

处理步骤是按照上述GitHub上ACE2005数据处理标星最多的代码来进行的。

(34条消息) Ace2005英文数据解析过程(事件抽取)_hlee-top的博客-CSDN博客

这篇博客是对上面代码的解读。

准备 ACE 2005 数据集。

（下载：ACE 2005 Multilingual Training Corpus - Linguistic Data Consortium。请注意，ACE 2005 数据集不是免费的！！如果学校有购买ACE2005的数据集的话可以免费下载，如果学校没有购买的话，需要自行花费4000美元。获取方式如下：(34条消息) ACE2005数据集获取方式详细介绍_想努力的人的博客-CSDN博客，下载下来的数据放在了根目录下，新建了个data的包
安装软件包 pip install stanfordcorenlp beautifulsoup4 nltk tqdm

下载斯坦福-科伦尔普模型

wget http://nlp.stanford.edu/software/stanford-corenlp-full-2018-10-05.zip
unzip stanford-corenlp-full-2018-10-05.zip
但是我按照上述方法并没有下载成功，出现了unzip的路径配置的相关问题，于是就直接按照上面提到的网址http://nlp.stanford.edu/software/stanford-corenlp-full-2018-10-05.zip直接下载到了本地，将文件装在了根目录下。

然后就直接运行main文件

首先，第一个坑，运行main文件的时候，一直报没有cannot import name 'Parser'的错误，于是去parser.py运行了一下，发现这个模块的错误是一堆np的错误以及LookupError:Resource punkt not found. Please use the NLTK Downloader to obtain the resource:的错误。一堆np的报错没有管，先看第二个报错，于是按照提示在程序上方写了：

import nltk

nltk.download('punkt')

接下来这部分代码报错，显示的是加载时间过长，还是没有下载成功。于是找到了下方教程，按照教程下载了punkt的包，这个问题成功解决。

使用nltk时，报错Resource punkt not found - 知乎 (zhihu.com)

第二个坑，上面的问题解决后，还是报cannot import name 'Parser' from parser的错误，于是干脆直接把Parser这个类复制到了main文件中。接下来没有报错，成功运行了。

程序一直报这面的错误，但是没有管。