如何在UIMA Ruta 3中使用带同义词与属性的词典？

Ruta 3完全支持这种带可变同义词+属性的词典标注需求，以下两种高效实现方式供你选择：

方式一：基于WORDTABLE扩展处理同义词列 #

可以直接复用WORDTABLE加载你期望的CSV格式，再通过自定义逻辑拆分同义词列：

1. 先加载包含同义词列的表格：

WORDTABLE ConceptTable = "your_dictionary.csv";

2. 遍历表格行，拆分synonyms列的|分隔符，为每个同义词生成标注规则：

DECLARE Concept (STRING word, BOOLEAN specific, INT parts);
FOR ConceptTable AS row {
  STRING[] synonymList = Split(row.synonyms, "|");
  FOR synonymList AS syn {
    // 匹配同义词并绑定原词的属性
    MARKFAST(Concept, syn, {"word"=row.word, "specific"=row.specific, "parts"=row.parts});
  }
}

这种方式逻辑直观，完全兼容你现有的表格格式，适合同义词数量较少的场景。

方式二：使用Ruta Dictionary组件（推荐） #

Ruta内置的Dictionary组件专门优化了同义词组与属性绑定的场景，效率更高：

1. 调整词典文件格式（支持自定义规则，示例用简化文本格式）：

[hand, hands, handA, handB, handC] specific=true parts=5
[liver, livers, hepatic organ] specific=true parts=8

2. 在脚本中加载词典并绑定属性映射：

DECLARE Concept (STRING word, BOOLEAN specific, INT parts);
Dictionary ConceptDict = DictionaryLoader.load("your_dictionary.txt");
// 将同义词组的首词映射为word属性，其他属性直接对应
ConceptDict.setFeatureMapping("word", "head");
ConceptDict.setFeatureMapping("specific", "specific");
ConceptDict.setFeatureMapping("parts", "parts");
// 执行标注
APPLY(ConceptDict, Concept);

这种方式适合同义词数量多的场景，内部做了匹配优化，且支持更灵活的同义词组配置。

额外优化提示 #

• 若需忽略大小写匹配，可在MARKFAST中添加CASEINSENSITIVE参数，或给Dictionary设置ConceptDict.setCaseInsensitive(true);
• 确保CSV中的分隔符（;和|）不与文本内容冲突，必要时做转义处理。

内容的提问来源于stack exchange，提问作者helene