jcrfsuite 培训文件格式答案

【问题标题】：jcrfsuite training file formatjcrfsuite 培训文件格式
【发布时间】：2017-10-18 02:08:05
【问题描述】：

根据我从 jcrfsuite 示例中给出的 POS 标记示例中的理解。训练文件是制表符分隔的，第一个标记是标签。但我没有得到 BigCluster|事物。有人可以帮助我如何在训练文件中指定令牌。

下面的例子：

o bigcluster | 00 bigcluster | 000000 bigcluster | 00000000 bigcluster | 0000000000 bigcluster | 000000000000 bigcluster | 00000000000000 bigcluster | 0000000000000000 nextbigcluster | 0100 nextbigcluster | 01000101 nextbigcluster | 01000101111 Postagdict | d postagdict | ^ postagdict | ^ postagdict | ^ postagdict | ^ postagdict | ^ postagdict | |G NextPOSTag|V 1gramSuff|i 1gramPref|i prevword| prevcurr||i nextword|predict nextword|predict currnext|i|predict Word|I Lower|i Xxdshape|X charclass|1, first-shortcap prevnext||predict t=0

测试文件格式：

！ bigcluster | 01 bigcluster | 0110 bigcluster | 01101100 bigcluster | 0110110011大肠杆菌| 011011001100 bigcluster | 01101100110000 bigcluster | 01101100110000 bigcluster | 0110110011000000 nextbigcluster | 1000 nextbigcluster | 10001000 nextbigcluster | 10001000000 mnn 4gramSuff|mmnn 5gramSuff|mmmnn 6gramSuff|ammmnn 7gramSuff|aammmnn 8gramSuff|aaammmnn 9gramSuff|daaammmnn 1gramPref|d 2gramPref|da 3gramPref|daa 4gramPref|daaa 5gramPref|daaam 6gramPref|daaamm 7gramPref|daaammm|daaammm 8gramPref|daammn 预置词prevcurr||daaammmnn nextword|。下一个字|。当前下一个|daaammmnn|。 Word|Daaammmnn Lower|daaammmnn Xxdshape|Xxxxxxxxx charclass|1,2,2,2,2,2,2,2,2, first-initcap prevnext||. t=0

【问题讨论】：

标签： java machine-learning crfsuite

【解决方案1】：

标签后指定的是特征名称和特征值的列表。它采用稀疏表示而不是表格表示。

BigCluster 只是其中一项功能，仅与具体示例相关。如果您是从头开始训练，则应该创建自己的特征。

【讨论】：

【解决方案2】：

我注意到 CRFsuite 不关心命名约定，也不关心标签和属性的功能设计，因为将它们视为字符串。

CRFsuite 学习属性和标签之间的关联权重（特征权重），而不知道标签和属性的含义。换句话说，只需在数据集中编写标签和属性名称，就可以设计和使用任意特征，只需为您的示例找到可能的最佳属性，并使用不同的属性和特征集进行一些实验。你会很高兴的。

【讨论】：