pkubase-full.txt数据集导入出错

[JimXiongGM]

你好，

我使用./bin/gbuild pku_base /opt/gAnswer_pkubase/data/pkubase-full.txt尝试导入数据集，但是出现大量的报错，请问该怎么解决呢？谢谢

begin build Prefix
lexer error in line 534: invalid number 0"
lexer error in line 4534: unexpected character ▒ 
lexer error in line 7267: unexpected character > 
parse error in line 8947: '.' expected after triple 
lexer error in line 14441: invalid string
parse error in line 25613: '.' expected after triple
.
.
.

[nicklin96]

您好！ 这些error主要是pkubase原始数据中存在不规范的格式导致的，在gbuild过程中，这些error会被跳过，不影响build的过程。在我们提供的在线pkubase endpoint上，目前同样不包括这些出现error的triple。 所以，暂时您可以无视这些error，我们今后会提供无error版本的pkubase三元组数据。 感谢您对gAnswer的使用

[JimXiongGM]

非常感谢您的解答。在win10上使用eclipse运行源码后，我遇到了新的问题：在浏览器端输入查询字符后，后台出错，具体如图，这是为什么呢？

[nicklin96]

不好意思，图片看不太清，您方便复制一下报错信息或者重新发更清晰的图吗？麻烦您了

[JimXiongGM]

你好，上述链接可以点击下载原图，另发一份如下： 补充一点，我没有对源码进行修改，但是对data文件夹和启动内存参数进行了修改：

1. 提示找不到/data/test/mini-ccks.txt，于是我把pkubase\paraphrase\ccksminutf.txt复制并重命名为/data/test/mini-ccks.txt
2. 将文件pkubase\paraphrase\pkubase-mention2ent.txt重命名为pkubase\paraphrase\mini-mention2ent.txt
3. 在eclipse中设置启动参数为-Xmx20480m

不知是否是因为我的改动导致错误，请求解答，非常感谢！

[nicklin96]

您好！ 我们在自己的环境下测试了一下，并没有出现您的问题，我们怀疑是某处编码不统一导致的，gAnswer使用的编码是utf8，源代码中有中文字符，所以会和GBK有冲突 另外，data/test/ccks-mini.txt是用来存放测试用问题的文件，您可以查看qa.gAnswer的main function，找到它的作用。您应该新建一个data/test/ccks-mini.txt，并且写入您要输入的问题

[nicklin96]

您可以尝试在qa.GAnswer中启动gAnswer，而不是gAnswerhttp

[JimXiongGM]

谢谢您的耐心指导~确实是我字符集设置有误，设定为UTF-8之后运行成功。再次感谢！