rahulbot/cliff-clavin

CLIFF-CLAVIN

镜像概述和主要用途

CLIFF-CLAVIN是一款用于解析新闻文章的工具，能够提取文章中提到的人物、组织和地点。与其他类似工具相比，它针对新闻文章的写作特点进行了消歧优化，并引入“焦点”概念以识别文章真正关注的地点（而非所有提及的地点）。该工具最初为Media Cloud工具套件开发，现开源共享供其他用户使用。

注意：由于geonames索引的原因，CLAVIN（以及CLIFF）对内存要求较高。正常运行至少需要4GB RAM，内存不足会导致错误。

核心功能和特性

• 实体提取：解析新闻文章，提取其中提到的人物、组织和地点
• 消歧优化：针对新闻文章的写作方式进行专门的消歧处理
• 焦点识别：区分文章中提及的地点和真正关注的“焦点”地点

使用场景和适用范围

适用于新闻分析、媒体研究、内容挖掘等领域，可帮助从新闻文章中提取关键实体信息，识别文章的核心地理关注点，为媒体分析工具、新闻监测系统等提供数据支持。

使用方法和配置说明

通过DockerHub运行

快速启动CLIFF的方式是从DockerHub获取最新版本：

bash
# 拉取镜像
docker pull rahulbot/cliff-clavin:latest

# 运行容器（建议分配8GB内存）
docker run -p 8080:8080 -m 8G -d rahulbot/cliff-clavin:latest

访问示例

容器启动后，可通过以下URL访问API获取JSON格式结果：

http://localhost:8080/cliff-2.6.1/parse/text?q=This%20is%20some%20text%20about%20New%20York%20City,%20and%20maybe%20about%20Accra%20as%20well,%20and%20maybe%20Boston%20as%20well.

注意事项

• 首次运行时，由于需要将数据加载到内存，可能需要1分钟左右的时间
• 可使用官方Python API客户端库mediacloud-cliff以编程方式获取结果
• Docker镜像源代码托管在GitHub：https://github.com/mediacloud/cliff-docker

致谢

本项目分叉自John Beieler的https://github.com/havlicek/cliff-docker%EF%BC%8C%E5%B9%B6%E5%A4%A7%E9%87%8F%E5%80%9F%E9%89%B4%E4%BA%86Andy Halterman的https://github.com/ahalterman/CLIFF-up Vagrant box。