CRF++的简单使用
来源:互联网 发布:vibe算法代码 opencv 编辑:程序博客网 时间:2024/05/05 14:44
CRF++是著名的条件随机场开源工具,也是目前综合性能最佳的CRF工具。本文简要介绍其使用方法。
一、工具包的下载:
a) http://crfpp.sourceforge.net
其中有两种,一种是Linux下(带源码)的,一种是win32的,当然是在什么平台下用就下载什么版本了。
b) http://download.csdn.net/source/1425683
两种版本打成一个包了。
二、安装:
a) Windows版的无须安装,直接解压即可使用;
b) Linux版本的安装方法是:
i. 解压到某目录下
ii. 打开控制台,将当前目录切换到解压目录
iii. 依次输入命令:
./configure
make
su
make install
注:需要root权限才能成功安装。
三、训练语料格式:
a) 训练语料至少应具有两列,列间由空格或制表位间隔,且所有行(空行除外)必须具有相同的列数。句子间使用空行间隔。
b) 一些合法的语料示例:
i. 有两列特征的
太 Sd N
短 Sa N
而 Bu N
已 Eu N
。 Sw N
以 Sp N
家 Bn N
乡 En N
的 Su N
ii. 只有一列特征的
太 N
短 N
而 N
已 N
。 N
以 N
家 N
乡 N
的 N
四、特征的选取及模板的编写:
a) 特征选取的行是相对的,列是绝对的,一般选取相对行前后m行,选取n-1列(假设语料总共有n列),特征表示方法为:%x[行,列],行列的初始位置都为0。例如:
i. 以前面语料为例
“ Sw N
北 Bns B-LOC
京 Mns I-LOC
市 Ens I-LOC
首 Bn N
假设当前行为“京”字这一行,那么特征可以这样选取:
特征模板
意义
代表特征
%x[-2,0]
-2行,0列
“
%x[-1,0]
-1行,0列
北
%x[0,0]
0行,0列
京
%x[1,0]
1行,0列
市
%x[2,0]
2行,0列
首
%x[-2,1]
-2行,1列
Sw
%x[-1,1]
-1行,1列
Bns
%x[0,1]
0行,1列
Mns
%x[1,1]
1行,1列
Ens
%x[2,1]
2行,1列
Sw
%x[-1,0]/%x[0,0]
-1行0列与0行0列的组合
北/京
%x[0,0]/%x[1,0]
0行0列与1行0列的组合
京/市
%x[-2,1]/%x[-1,1]
-2行1列与-1行1列的组合
Sw/ Bns
%x[-1,1]/%x[0,1]
-1行1列与0行1列的组合
Bns/Mns
%x[0,1]/%x[1,1]
0行1列与1行1列的组合
Mns/Ens
%x[1,1]/%x[2,1]
1行1列与2行1列的组合
Ens/Sw
%x[-2,1]/%x[-1,1]/%x[0,1]
-2行1列、-1行1列、0行1列的组合
Sw/Bns/Mns
%x[-1,1]/%x[0,1]/%x[1,1]
-1行1列、0行1列、1行1列的组合
Bns/Mns/Ens
%x[0,1]/%x[1,1]/%x[2,1]
0行1列、1行1列、2行1列的组合
Mns/Ens/Sw
b) 模板制作:模板分为两类:Unigram和Bigram。
其中Unigram/Bigram是指输出token的Unigram/Bigrams,而不是特征。
c) 以前面示例中的特征为特征,制作为Unigram模板如下:
#Unigram
U00:%x[-2,0]
U01:%x[-1,0]
U02:%x[0,0]
U03:%x[1,0]
U04:%x[2,0]
U05:%x[-2,1]
U06:%x[-1,1]
U07:%x[0,1]
U08:%x[1,1]
U09:%x[2,1]
U10:%x[-1,0]/%x[0,0]
U11:%x[0,0]/%x[1,0]
U12:%x[-2,1]/%x[-1,1]
U13:%x[-1,1]/%x[0,1]
U14:%x[0,1]/%x[1,1]
U15:%x[1,1]/%x[2,1]
U16:%x[-2,1]/%x[-1,1]/%x[0,1]
U17:%x[-1,1]/%x[0,1]/%x[1,1]
U18:%x[0,1]/%x[1,1]/%x[2,1]
说明:
i. 其中#开头的行不起作为,为注释;
ii. 行与行之间可以有空行;
iii. Unigram的特征前使用字母U,而Bigram的特征前使用字母B。后面的数字用于区分特征,当然这些数字不是一定要连续。
五、训练方法
a) 语料的训练可以使用命令(在终端或DOS命令行中):crf_learn <模板> <训练语料> <模板文件>
其中模板和训练语料是需要事先准备好的,模板文件在训练完成后生成
注意:
1) 如果提示语料格式错误,则注意检查语料的存储编码,有些编码CRF++是会读取错误的;
2) 文件路径要正确,如果文件没在当前目录,那么要使用绝对路径。
b) 训练中一些参数的说明:
ter:迭代次数
terr:标记错误率
serr:句字错误率
obj:当前对象的值。当这个值收敛到一个确定值的时候,训练完成
diff:与上一个对象值之间的相对差
六、解码方法
a) 可以使用crf_test -m <模板文件> <测试文件1> <测试文件2> ……。
b) 结果会直接输出到屏幕上面,如果想让结果保存到文件中,那么使用重定向,在上面命令后面加上一个开关“>”即可:crf_test -m <模板文件> <测试文件1> > <保存位置>。例如:crf_test -m model test.txt > result.txt
七、评测工具CoNLL 2000的用法
a) 下载:
i. http://download.csdn.net/source/1425687
ii. http://www.cnts.ua.ac.be/conll2000/chunking/output.html
b) 使用它是用来评分,所以要求crf_test一步使用的测试文件中本身带有答案,这样解码后生成的结果会在答案的后一列。比如原来为:
使 En N
、 Sw N
交 Bni B-ORG
通 Mni I-ORG
部 Eni I-ORG
部 Bn N
那么解码后变成:
使 En N N
、 Sw N N
交 Bni B-ORG B-ORG
通 Mni I-ORG I-ORG
部 Eni I-ORG I-ORG
部 Bn N N
CoNLL 2000将把最后一列与倒数第二列进行对比,统计出最后各类的正确率,召回率、F值等。
c) 使用评测工具前要将评测文件中的所有制表位转换成空格,否则评测工具会出错。
d) 评测命令为:perl conlleval.pl < <评测文件>
- CRF++的简单使用
- CRF++的简单使用
- CRF++的简单使用
- CRF++的简单使用
- CRF++的简单使用
- CRF++的简单使用
- CRF(一):CRF++的简单使用
- CRF++的使用 CRF用于中文分词
- CRF++的使用总结
- CRF++的使用总结
- CRF++的使用
- CRF的内存使用情况
- CRF++使用
- CRF++使用
- CRF++的初步使用(1)
- CRF++在linxu下的使用
- CRF简单随机场
- CRF++ 工具使用
- Cassandra内部机制 : 读操作
- Linux c bronk.c
- Cassandra内部机制 - 技巧
- 消息队列
- USB UMS MTP设置过程 (一)
- CRF++的简单使用
- PHP大字符串输出
- html5 中创建manifest缓存以及更新方法
- UML类图各符号含义
- Linux内存管理: Linux Kernel Shared Memory 剖析 Linux 内核中的内存去耦合
- Archie OSG Step By Step( 0) -OpenSceneGraph环境设置及第一个程序
- Wireshark抓包工具使用教程以及常用抓包规则
- 关于负数求模运算
- Linux内核里的DebugFS