UIMA RUTA中RETAINTYPE使用问题：数字拼写匹配结果不符

1. 核对CSV数据准确性 #

• 确认CSV中存在完全匹配目标文本的条目：比如检查是否包含One hundred seventeen，注意大小写、空格是否与待匹配文本一致（若需忽略大小写，需在WORDTABLE或MARKTABLE中添加IGNORECASE参数）
• 检查CSV行结构：确保每行对应一个完整的数字拼写，无多余分隔符或换行干扰TABLE加载

2. 检查RETAINTYPE参数的影响 #

• RETAINTYPE=ALL：保留所有匹配的连续Token，是匹配多词短语（如One hundred seventeen）的必要设置
• RETAINTYPE=FIRST/LAST：仅保留第一个/最后一个Token，会导致多词短语只匹配单个词（如仅命中One）
• 若同时需匹配单词和多词短语，需添加OVERLAP=KEEPALL参数，避免短条目先匹配截断长条目

3. 验证脚本规则逻辑 #

• 确保WORDTABLE加载路径正确，列索引匹配CSV结构（比如WORDTABLE(NumTable, "numbers.csv", 1)表示用CSV第一列作为匹配文本）
• 检查是否有前置规则拆分了目标短语的Token：比如错误的标点分割、词性标注规则，导致One hundred seventeen被拆分为独立Token无法被TABLE匹配

示例修正脚本 #

假设CSV包含One和One hundred seventeen条目，正确调用如下：

// 加载数字拼写对照表，第一列为匹配文本
WORDTABLE(NumSpellTable, "0-100_numbers.csv", 1);
// 匹配所有连续Token组成的条目，保留完整短语并允许重叠匹配
MARKTABLE(NumberEntity, NumSpellTable, RETAINTYPE=ALL, OVERLAP=KEEPALL);

内容的提问来源于stack exchange，提问作者prasanth