如何通过Stanford CoreNLP server获取旧版本默认格式的输出?
配置Stanford CoreNLP Server输出匹配旧版指定格式的方法
你判断的方向是正确的:新版本CoreNLP Server默认返回结构化JSON格式输出,和旧版本默认的纯文本标注格式存在排版、内容块结构的差异,不需要重写整套标注流程,通过参数调整就能对齐目标格式,具体操作如下:
- 显式指定输出格式类型,不沿用默认配置
新版本服务如果没有在请求中主动传outputFormat参数,会自动返回JSON格式结果,这是格式不匹配的核心原因。你需要将请求中的outputFormat设置为text,即可激活旧版本使用的纯文本渲染模式,跳过结构化JSON的序列化逻辑。 - 逐一对齐各标注模块的旧版输出规则
你当前配置的annotator列表顺序本身没有问题,只需要针对每个模块关闭新版默认追加的输出内容,就能让每个标注块的排版和旧版保持一致:- 对依存句法模块:设置
depparse.extradependencies=NONE,关闭新版默认输出的增强依存关系,仅保留旧版输出的基础依存关系文本块 - 对开放信息抽取模块:设置
openie.output.format=old,关闭新版默认在三元组前追加的置信度数值,回到旧版逐行输出三元组的纯文本格式 - 对句法分析模块:关闭新版默认开启的词性映射、树结构压缩逻辑,直接输出原始括号包裹的句法树文本
- 对自然逻辑、命名实体模块:设置
natlog.output.format=old、ner.output.format=old,关闭新版默认追加的实体类型统计行、自然逻辑推断摘要,回到旧版逐行标注的纯文本格式 - 全局去掉新版默认追加的行号前缀:设置
outputFormat.textIncludeLineNumbers=false,避免每个文本块开头出现新版默认的行号标记
- 对依存句法模块:设置
- 极致格式对齐的注意事项
如果目标样例是3.9.1及更早版本的输出,哪怕把所有参数都调到旧模式,4.x版本的服务还是会在标点、空格分隔逻辑上存在细微差异,这种情况直接拉取对应旧版本的CoreNLP发布包启动服务,搭配上述参数配置,就能1:1匹配样例的排版格式。
实操提示:所有格式参数都可以直接跟着HTTP请求传递,不需要修改服务端的全局配置文件,也不需要反复重启服务,调整参数后直接发请求就能看到对应格式的输出。
内容的提问来源于stack exchange,提问作者anshulb
相关产品推荐
相关产品推荐

