自然语言结构化处理工具-Apache UIMA Ruta使用（二）Ruta 规则简介

编程基础 • 2025-01-04 12:17 • 阅读 63

一、前言

在上一篇文章中我们已经搭建好了Ruta的Workbench，并且在只是新建了一个空的规则脚本的情况下，就能运行一个规则脚本，说明这个组件已经帮我们处理的很多内容，在这篇文章中，我们将继续了解Ruta的规则

以上摘自：Apache UIMA Ruta�� Guide and Reference

Ruta 是一种命令式的规则语言，Ruta中的规则定义一个带有附加条件的由Annotation组成的模式，如果这个模式匹配上了，就会执行相应的动作。这里的Annotation，在上一篇文章的结尾，有给大家展示，这里再拿过来给大家看一下：

这里的的BREAK、CAP、COLON、SW等，都是Annotation,annotation的一般翻译为注解，注释，我一般喜欢叫标签，每一个Annotation都有一个begin end属性，指明了它在原文档中的位置范围，更像是在文章里面贴的一个个标签，告诉你这个位置是什么，另外一个位置是什么。

Ruta已经内置了很多标签，默认情况，在运行的时候，会把这些内置的标签都给添加到文本上，所以我们建的空的规则文件，却能在运行之后，看到上图这些内容。这些内置标签，都通过descriptor文件夹下的BasicTypeSystem引入了进来。

右键上面红框中文件的其中一个，open With 会看到

选择Component Descriptor Editor,没有的话点Other... 在UIMA Ruta下能找到。打开像这样：

在最下面能切换：

点Type System，能看到这个类型定义文件中，定义的标签

这里面定义的Annotation都是可以在脚本里面直接用的。

这里再解释下最开始的基于Annotation的模式，结合病程记录文章抽取来说下：

为了抽取患者是什么时候出现的症状，也就是患者的发病时间，我自定义了一个标签类型DateUnit（后面会将如何添加自定义类型）,它有两个feature,一个是Number,一个是Unit

使用以下脚本：

"天"{->MARK(DateUnit)};

"周"{->MARK(DateUnit)};

(NUM DateUnit){->MARK(Duration),Duration.Number=NUM,Duration.Unit=DateUnit};

第一行把所有的天标记为DateUnit

第二行把所有的周标记为DateUnit

第三行，当NUM类型和DateUnit在一起的时候，把其整个整体标记为Duration类型，并且把NUM赋值给DateUnit的第一个feature Number，把DateUnit赋值给DateUnit的第二个标签 Unit。

NUM DATEUnit ，当满足这个模式的时候，执行->之后定义的动作。具体的使用可以参考官方文档

今天的文章自然语言结构化处理工具-Apache UIMA Ruta使用（二）Ruta 规则简介分享到此就结束了，感谢您的阅读。