扩展Stanford CoreNLP的SentenceAnnotator时重写方法遇问题

嘿，我明白扩展SentenceAnnotator时卡在requires()和requirementsSatisfied()这两个方法上的烦恼——这俩是CoreNLP流水线管理依赖的关键，搞清楚它们的作用和正确写法就好办了！

先给你理清楚这两个方法的核心职责：

• requires()：告诉CoreNLP，你的注解器运行前必须已经存在哪些注解（也就是依赖的前置处理结果）。比如如果你的逻辑需要先有分词后的单词列表，就得在这里返回对应的注解类型。
• requirementsSatisfied()：告诉CoreNLP，你的注解器运行后会生成哪些新的注解，方便后续注解器依赖这些结果。

正确的方法重写示例 #

下面是无依赖、不生成新注解的基础写法（也是大多数示例里的标准写法），注意避免旧的Collections.EMPTY_SET，改用类型安全的Collections.emptySet()：

import java.util.Collections;
import java.util.Set;
import edu.stanford.nlp.pipeline.SentenceAnnotator;
import edu.stanford.nlp.ling.CoreAnnotation;

// 你的自定义注解器类
public class CustomSentenceAnnotator extends SentenceAnnotator {

    @Override
    public Set<Class<? extends CoreAnnotation>> requires() {
        // 情况1：无任何前置依赖，返回空集合
        return Collections.emptySet();
        
        // 情况2：依赖分词后的单词注解（示例）
        // return Collections.singleton(WordsAnnotation.class);
    }

    @Override
    public Set<Class<? extends CoreAnnotation>> requirementsSatisfied() {
        // 情况1：不生成新注解，返回空集合
        return Collections.emptySet();
        
        // 情况2：生成自定义的句子级注解（示例）
        // return Collections.singleton(MyCustomSentenceAnnotation.class);
    }

    // 别忘了重写doAnnotate()方法实现你的核心逻辑
    @Override
    protected void doAnnotate(Annotation annotation) {
        // 你的注解处理逻辑
    }
}

常见问题解决 #

1. 泛型警告问题：如果用旧的Collections.EMPTY_SET，编译器会报泛型不匹配的警告。解决方法就是用Collections.emptySet()，或者显式指定泛型：

   return Collections.<Class<? extends CoreAnnotation>>emptySet();
   

2. 自定义注解的处理：如果你的注解器要生成新注解，得先定义一个继承自CoreAnnotation的注解类，比如：

   import edu.stanford.nlp.ling.CoreAnnotation;
   import java.util.Map;
   
   public class SentenceKeywordAnnotation implements CoreAnnotation<Map<String, Integer>> {
       @Override
       public Class<Map<String, Integer>> getType() {
           return (Class<Map<String, Integer>>) (Class<?>) Map.class;
       }
   }
   

   然后把这个类放到requirementsSatisfied()的返回集合里，CoreNLP就会识别到你的注解器提供了这个新注解。

3. 依赖前置注解：如果你的逻辑需要用到其他注解器的结果，比如词性标注、句法分析，就在requires()里返回对应的注解类型，比如PartOfSpeechAnnotation.class或者TreeAnnotation.class，CoreNLP会确保这些注解在你的注解器运行前已经被处理好。

内容的提问来源于stack exchange，提问作者Yash Pandya