http://nlp.stanford.edu/software/CRF-NER.shtml 的常见问题解答告诉我们可以在训练时包含我们的自定义功能。 首先，NER 中有哪些功能？它与 tsv 训练文件中的标签有何不同？ 正如这个问题Stanford-NER customization to classify software programming keywords所问的那样，在tsv的特征列中表示标签'Programming_Language'，'Operating_System'是否正确？
有点混乱，请解释一下。
【问题讨论】：
标签： stanford-nlp
标签是您要应用于令牌的标签。例如 O、PERSON、LOCATION、ORGANIZATION、PROGRAMMING_LANGUAGE。 O 表示不是实体。
特征是您希望 CRF 分类器在其决策中使用的令牌流的一个方面。
考虑一下“我去年夏天去了法国”这句话。
标签将是 [O O O LOCATION O O O]。
例如，特征可能是单词本身，“word=France”。
特征可能是序列“word_n-2_n-1=went to”中当前单词之前的最后两个单词。
或者一个特征可能是“shape=Xxxxxx”这个词的形状
这些特征的重点是 CRF 分类器可以找到模式，例如具有特定形状的单词往往是 O，或者特定的单词往往属于特定的类。
如果您只想添加新类别（例如 PROGRAMMING_LANGUAGE 或 OPERATING_SYSTEM），则不需要自定义功能。您只需要训练数据，这样系统就可以学习如何适当地标记标记。
【讨论】：