OpenNLP-Fehler beim Analysieren der Trainingsdatei für die Dokumentkategorisierung

Question

Ich versuche, mit Opennlp am Dokumentklassifizierer zu arbeiten. Aber ich habe eine harte Zeit mit der Trainingsdatei. Ich erhalte den folgenden Fehler während opennlp die Datei liest:

Indexing events using cutoff of 5 

    Computing event counts... done. 17 events 
    Indexing... Dropped event greetings:[bow=hello] 
Dropped event greetings:[bow=hi] 
Dropped event greetings:[bow=salam] 
Dropped event internet_problem:[bow=internet] 
Dropped event internet_problem:[bow=no, bow=data] 
Dropped event internet_problem:[bow=data, bow=not, bow=working] 
Dropped event internet_problem:[bow=not, bow=able, bow=to, bow=open, bow=website] 
Dropped event internet_problem:[bow=browsing, bow=issue] 
Dropped event balance_problem:[bow=balance] 
Dropped event balance_problem:[bow=usage] 
Dropped event balance_problem:[bow=bill, bow=amount] 
Dropped event balance_problem:[bow=billed] 
Dropped event voice_problem:[bow=signals] 
Dropped event voice_problem:[bow=call] 
Dropped event voice_problem:[bow=voice] 
Dropped event voice_problem:[bow=call, bow=drop] 
Dropped event voice_problem:[bow=not, bow=connecting] 
done. 
Sorting and merging events... Exception in thread "main" java.lang.IndexOutOfBoundsException: Index: 0, Size: 0 
    at java.util.ArrayList.rangeCheck(ArrayList.java:653) 
    at java.util.ArrayList.get(ArrayList.java:429) 
    at opennlp.tools.ml.model.AbstractDataIndexer.sortAndMerge(AbstractDataIndexer.java:89) 
    at opennlp.tools.ml.model.TwoPassDataIndexer.<init>(TwoPassDataIndexer.java:105) 
    at opennlp.tools.ml.AbstractEventTrainer.getDataIndexer(AbstractEventTrainer.java:74) 
    at opennlp.tools.ml.AbstractEventTrainer.train(AbstractEventTrainer.java:91) 
    at opennlp.tools.ml.model.TrainUtil.train(TrainUtil.java:53) 
    at opennlp.tools.doccat.DocumentCategorizerME.train(DocumentCategorizerME.java:204) 
    at com.nlp.CategoryTrainUtil.trainModel(CategoryTrainUtil.java:39) 
    at com.nlp.Boot.main(Boot.java:12) 

Meine Trainingsdatei wie folgt aussieht:

greetings hello 
greetings hi 
greetings salam 
internet_problem internet 
internet_problem no data 
internet_problem data not working 
internet_problem not able to open website 
internet_problem browsing issue 
balance_problem balance 
balance_problem usage 
balance_problem bill amount 
balance_problem billed 
voice_problem signals 
voice_problem call 
voice_problem voice 
voice_problem call drop 
voice_problem not connecting 

Ich bin nicht, was bekomme ich vielleicht verpasst haben.

Answer 1

die erste Zeile sagt Indexing events using cutoff of 5

was wahrscheinlich bedeutet, dass Sie mindestens 5 Beispiele jeweils für die Klassifizierung geben. Also, geben Sie zwei weitere Beispiele für greeting und die anderen, wo nicht 5 in Ihren Trainingsdaten sind.

Alternativ können Sie Ihren Cutoff auf 3 verringern, wenn Sie nicht genügend Trainingsdaten haben, aber dies wird Ihnen keine guten Ergebnisse liefern.

Hoffe, das hilft!