CoreNLPのダウンロードから利用のメモ

CoreNLPとは

http://nlp.stanford.edu/software/corenlp.shtml
で公開されていて，tokenization，sentence splitting，POS tagging，lemmatization，NER，syntactic parsing，coreference resolution が全て入った無料ツール．
coreference resolutionが現在のstate of the artと言える．

ダウンロード

wget http://nlp.stanford.edu/software/stanford-corenlp-2012-05-22.tgz

解凍

tar xvfz stanford-corenlp-2012-05-22.tgz

さぁ使うぞと思ったら「PosTaggerのモデルが無い」と．はい．

jar -xvf stanford-corenlp-2012-05-22-models.jar

使い方

java -cp stanford-corenlp-2012-05-22.jar:xom.jar:joda-time.jar -Xmx3g edu.stanford.nlp.pipeline.StanfordCoreNLP -annotators tokenize,ssplit,pos,lemma,ner,parse,dcoref -file input.txt

-annotators tokenize,ssplit,pos,lemma,ner,parse,dcoref
はoption．どこまでやるか．defaultは全て．

アウトプットはinput.txt.xml
10秒程度で出力された．もう少し長い文章でも30秒で完了．