DigitalReasoningNLP

数字推理远程编程练习 描述您在实现中所做的任何假设。 输入文件不会改变。 此应用程序使用每个文件的内存列表、其段落、句子、单词和标点符号。 它假设命名实体不超过 3 个单词。 你的方法有什么局限性？ 这个应用程序不适合大数据文件，因为它把文件的所有元素都放在内存中。 它使用非常基本的算法来识别命名实体。 对于大型命名实体字典，此应用程序会很慢，因为它使用列表而不是哈希。 还有哪些可能的方法？ 我会为 NER 使用 openNLP 或 Apache UIMA 算法。 我不会把所有的文件都放在内存中。 我会对文件进行分区并读取分区并合并它们。 实施 - 第一部分 数据文件、段落、标点符号、句子、单词 创建了数据文件、段落、标点符号、句子和单词的数据结构。 它为每个命名元素定义类。 其中每个类都包含其子元素的列表（例如，段落包含一个句子列表）。 DataFile 类处理输入