张乐最大熵模型文件格式分析
来源:互联网 发布:电脑闹钟软件哪个好 编辑:程序博客网 时间:2024/05/24 01:38
本文为张乐最大熵工具包模型文件格式分析:
训练文件如下:
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f150 f160 f171
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f160 f171
c4 f20 f30 f41 f50 f60 f71 f81 f91 f101 f110 f120 f131 f140 f151 f160 f170
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f150 f160 f171
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f171
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f160 f171
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f161 f171
c4 f20 f30 f41 f50 f60 f71 f80 f91 f101 f110 f120 f131 f140 f151 f161 f170
c4 f20 f30 f41 f50 f60 f71 f81 f91 f101 f110 f120 f131 f140 f151 f160 f170
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f150 f161 f170
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f171
c2 f20 f31 f41 f50 f61 f70 f80 f90 f101 f111 f120 f130 f142 f151 f161 f170
c4 f20 f30 f41 f50 f60 f71 f81 f91 f101 f110 f120 f131 f140 f151 f160 f170
c7 f20 f30 f41 f50 f60 f70 f81 f90 f100 f110 f120 f130 f140 f150 f160 f170
c7 f20 f30 f41 f50 f60 f71 f81 f90 f100 f110 f120 f130 f144 f150 f160 f170
c7 f20 f30 f41 f50 f60 f71 f81 f90 f100 f110 f120 f130 f146 f150 f160 f170
c2 f20 f31 f41 f50 f61 f70 f81 f90 f101 f111 f120 f130 f142 f151 f160 f170
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f160 f171
c4 f20 f30 f41 f50 f60 f71 f81 f91 f101 f110 f120 f131 f140 f151 f160 f171
c1 f20 f30 f40 f51 f60 f71 f81 f91 f101 f111 f120 f131 f140 f151 f160 f171
c2 f20 f31 f41 f50 f61 f70 f80 f90 f101 f111 f120 f130 f142 f151 f161 f170
c2 f20 f31 f41 f50 f61 f71 f80 f90 f101 f111 f120 f130 f142 f151 f160 f170
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f160 f171
c2 f20 f31 f41 f50 f61 f70 f80 f90 f101 f111 f120 f130 f142 f151 f160 f171
c6 f20 f30 f41 f50 f60 f70 f80 f90 f100 f111 f120 f130 f146 f150 f160 f170
c5 f20 f30 f41 f50 f60 f71 f81 f91 f101 f111 f120 f130 f144 f150 f160 f170
c5 f20 f30 f41 f50 f60 f71 f81 f91 f101 f111 f121 f130 f144 f150 f160 f170
c1 f21 f30 f40 f51 f61 f70 f80 f91 f101 f111 f120 f130 f142 f151 f160 f170
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f160 f171
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f142 f150 f161 f171
c6 f20 f30 f41 f50 f61 f70 f80 f90 f100 f111 f120 f130 f146 f150 f160 f170
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f161 f171
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f142 f150 f160 f171
c2 f20 f31 f41 f50 f61 f71 f81 f90 f101 f111 f120 f130 f142 f151 f160 f170
c4 f20 f30 f41 f50 f60 f71 f80 f91 f101 f110 f120 f131 f140 f151 f160 f170
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f161 f170
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f160 f170
c2 f20 f31 f41 f50 f61 f70 f81 f90 f101 f111 f120 f130 f142 f151 f160 f170
c4 f20 f30 f41 f50 f60 f71 f81 f91 f101 f110 f120 f131 f140 f151 f160 f170
c6 f21 f30 f41 f50 f61 f70 f80 f90 f100 f111 f121 f130 f146 f150 f161 f170
c6 f21 f30 f41 f50 f61 f70 f80 f90 f100 f111 f120 f130 f146 f150 f160 f170
c2 f20 f31 f41 f50 f60 f70 f81 f90 f101 f111 f120 f130 f142 f151 f160 f170
c6 f20 f30 f41 f50 f61 f70 f81 f90 f100 f111 f120 f130 f146 f150 f160 f170
c2 f20 f31 f41 f50 f61 f70 f80 f90 f101 f111 f120 f130 f142 f151 f160 f170
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f171
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f171
c7 f20 f30 f41 f50 f60 f71 f81 f90 f100 f110 f120 f130 f146 f150 f160 f170
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f171
c1 f21 f30 f40 f51 f60 f71 f81 f91 f101 f111 f120 f130 f144 f151 f160 f171
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f170
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f171
c6 f21 f30 f41 f50 f61 f70 f80 f90 f100 f111 f120 f130 f146 f150 f160 f170
c5 f20 f30 f41 f50 f60 f71 f81 f91 f101 f111 f120 f130 f144 f151 f160 f170
c7 f20 f30 f41 f50 f60 f71 f81 f90 f100 f110 f120 f130 f148 f150 f160 f171
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f170
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f160 f171
c2 f20 f31 f41 f50 f60 f70 f80 f90 f101 f111 f120 f130 f142 f151 f160 f171
c2 f20 f31 f41 f50 f61 f70 f80 f90 f101 f111 f120 f130 f142 f151 f161 f170
c2 f20 f31 f41 f50 f60 f71 f81 f90 f101 f111 f120 f130 f142 f151 f160 f171
c2 f20 f31 f41 f50 f61 f70 f80 f90 f101 f111 f120 f130 f142 f151 f160 f170
c4 f20 f30 f41 f50 f60 f71 f81 f91 f101 f110 f120 f131 f140 f151 f160 f171
c4 f20 f30 f41 f50 f60 f71 f81 f91 f101 f110 f120 f131 f140 f151 f160 f170
c3 f20 f30 f41 f50 f60 f70 f81 f91 f101 f111 f121 f130 f140 f151 f160 f170
c1 f21 f30 f41 f51 f60 f71 f81 f90 f101 f111 f120 f130 f144 f151 f160 f171
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f171
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f161 f171
c1 f20 f30 f40 f51 f60 f71 f81 f91 f101 f111 f120 f131 f140 f151 f160 f171
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f171
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f161 f171
c1 f21 f30 f40 f51 f60 f70 f81 f91 f101 f111 f120 f130 f144 f151 f160 f171
c1 f21 f30 f40 f51 f60 f70 f80 f91 f101 f111 f120 f130 f144 f151 f161 f171
c2 f20 f31 f41 f50 f60 f70 f81 f90 f101 f111 f120 f130 f142 f151 f160 f171
c7 f20 f30 f40 f50 f60 f70 f81 f90 f100 f111 f121 f130 f148 f151 f160 f170
c4 f20 f30 f41 f50 f60 f71 f80 f91 f101 f110 f120 f131 f140 f151 f160 f170
c1 f21 f30 f40 f51 f60 f71 f81 f91 f101 f111 f120 f131 f140 f150 f160 f171
c1 f21 f30 f40 f51 f60 f71 f81 f91 f101 f111 f120 f131 f142 f151 f160 f171
c3 f20 f30 f40 f50 f60 f71 f81 f91 f101 f110 f121 f130 f140 f151 f160 f170
c7 f20 f30 f41 f50 f60 f71 f81 f90 f100 f110 f121 f130 f140 f150 f160 f170
c2 f20 f31 f41 f50 f61 f71 f81 f90 f101 f111 f120 f130 f142 f151 f160 f170
c2 f20 f31 f41 f50 f61 f71 f81 f90 f101 f111 f120 f130 f142 f151 f160 f170
训练出的模型文件为:
- #txt,maxent/*注释表示模型文件为txt格式*/
- 35/*表示训练预料中共有35个feature,一下的35行,每行为一个feature*/
- f21
- f30
- f40
- f51
- f60
- f70
- f81
- f91
- f101
- f111
- f120
- f130
- f144
- f150
- f160
- f171
- f80
- f151
- f20
- f41
- f50
- f71
- f110
- f131
- f140
- f170
- f161
- f31
- f61
- f90
- f142
- f100
- f146
- f121
- f148
- 7/*表示训练预料中有7个class,一下的7行,每行为一个class*/
- c1
- c4
- c2
- c7
- c6
- c5
- c3
- /*以下,每行前面的一个数字表示每行的class的数量,这些行和feature的行一一对应,比如*/
- 2 0 4 /*对已应(f21,c1),(f21,c6),后面的依次类推,共有35行*/
- 6 0 1 3 4 5 6
- 3 0 3 6
- 1 0
- 7 0 1 2 3 4 5 6
- 5 0 2 3 4 6
- 7 0 1 2 3 4 5 6
- 4 0 1 5 6
- 5 0 1 2 5 6
- 6 0 2 3 4 5 6
- 6 0 1 2 3 4 5
- 6 0 2 3 4 5 6
- 3 0 3 5
- 4 0 3 4 5
- 7 0 1 2 3 4 5 6
- 4 0 1 2 3
- 4 0 1 2 4
- 6 0 1 2 3 5 6
- 7 0 1 2 3 4 5 6
- 7 0 1 2 3 4 5 6
- 6 1 2 3 4 5 6
- 6 0 1 2 3 5 6
- 3 1 3 6
- 2 0 1
- 4 0 1 3 6
- 7 0 1 2 3 4 5 6
- 4 0 1 2 4
- 1 2
- 3 0 2 4
- 4 0 2 3 4
- 2 0 2
- 2 3 4
- 2 3 4
- 4 3 4 5 6
- 1 3
- 151/*后面的151行等于值对(feature,class)的数量,后面为这些值对的theta值,为最终的概率数据*/
- 0.39492290060945723
- 0.13803667970531924
- 0.27352101589010291
- 0.021936348105736553
- 0.12665861158541863
- 0.25837970878956706
- -0.11665013156613267
- -0.14435105244323393
- 0.39339734813638139
- 0.35346952182199642
- 0.11871538942791747
- 0.43737712324017608
- 0.24694941994136349
- -0.0022992029804162484
- -0.86240513381944861
- 0.21381077277139532
- -1.3066048292431796
- -0.092107566929012147
- -0.15226652164583518
- 0.26933795622015921
- 0.078422068890305341
- -0.13855531079342134
- 0.27405773585570276
- -0.17776775321131022
- 0.19317759742300927
- -0.2663256188145891
- -0.16514612207122312
- 0.2971715528872626
- -1.1133711340200538
- 0.087340177329061755
- 0.080621442940062071
- 0.29690693478975544
- 0.28311686872607073
- 0.44273399287097881
- 0.32316796367401657
- 0.26175790076338962
- -0.0083135007169951869
- 0.15445495830731928
- 0.026287348538461985
- -0.037763485188048874
- 0.30085003936084687
- 0.15557592536742507
- -1.4240017393738138
- 0.089684947693852324
- 0.1540628112288436
- -0.70147831604216959
- 0.25734922849817343
- -0.053483983500905025
- 0.046011192584705624
- -0.22983608213834117
- -0.17822902908840443
- -0.64516138188609162
- 0.2216528148614747
- 0.11625218774632937
- 0.24554032092895645
- -0.0026924040466546062
- -0.052993619340876666
- 0.18189392326716658
- 0.33437122718645007
- -0.29234759295056356
- 1.0435515507101518
- 0.16417214318424905
- 0.48573356602431667
- 0.78431583422052797
- 0.33096129366604909
- 0.20107960511003722
- -0.21948186423712343
- -0.069148075548932375
- 0.070846719989515611
- -0.086355924178600579
- -0.20288101378153106
- -0.22192198570180693
- 0.35902182092695245
- -0.64160026326656172
- -0.072187197609430445
- -0.57743644047765263
- 0.2593334700138048
- -0.050324120524467747
- 0.11439858736310006
- 0.24770335089119067
- 0.23380924427159669
- 0.077832091349116561
- 0.19897287142239964
- -1.3818118860824542
- -1.2272839038944749
- -0.0037403510338391843
- -1.0936548565164335
- 0.045460705527294379
- 0.22275980449115454
- 0.17432352277396843
- -0.33560618621285587
- 0.12810089060784213
- 0.024124321345797908
- -1.7472723298166459
- 0.14115581921692255
- 0.20076207639272969
- -0.034598051916530717
- 0.15197938948883563
- 0.12754506099257223
- -0.80433174669288399
- 0.095385855757757265
- 0.19243527358463125
- 0.12526442563213491
- 0.13581948366089658
- 0.10461840534677352
- 0.059882619884622283
- 0.049625712468080521
- 0.31194424264626053
- -0.25209305758578687
- 0.078979151581680229
- 0.5080211561187008
- -0.58504765097705447
- 0.73800892614818614
- 0.51046305610543985
- 0.00033594764266248753
- 0.22738855280885734
- 0.87124265912105758
- -0.039366612505397011
- 0.65650050710025176
- -0.23104445649301317
- 0.91271230638070466
- -0.23800474591769305
- -0.061786819948476485
- -0.0063214350427701349
- 0.1196884482163148
- 0.17671430913308855
- 0.20920884512436633
- 0.21209996996486574
- 0.29397713475992981
- -0.070088375434436911
- 0.13574718701584182
- -0.27623296002646475
- 0.73356969512721537
- -0.053826222178437411
- 0.44103100218013969
- 0.39949219988605256
- -0.72293074206936903
- 0.41986783753749723
- 0.55851725431990351
- 0.31822179636248737
- 0.11291737001145527
- 0.66139166711879693
- 0.83493974883053834
- 0.90354654750488095
- 0.10668266493102255
- 1.0925797299795357
- 0.72399703569338525
- 0.23894678635814157
- 0.44270074953680433
- 1.9486743962502344
- 1.3471314142975634
- 张乐最大熵模型文件格式分析
- 张乐最大熵工具包的模型文件格式分析
- 张乐博士的最大熵模型
- 最大熵工具包的模型文件格式分析及比较
- 张乐C++最大熵模型的命令行实现方法
- 最大熵模型中的heldout accuracy(张乐老师提供的最大熵模型包相关技术)
- CRF++模型文件格式分析
- 最大熵模型(Maximum Entropy Models)详细分析
- 最大熵模型:读书笔记
- 最大熵模型
- 最大熵模型:读书笔记
- 最大熵模型
- 最大熵模型
- 最大熵模型
- 最大熵模型:读书笔记
- 最大熵模型
- 最大熵模型
- 最大熵模型
- 我所理解的JAVA多态
- Evaluate Reverse Polish Notation
- 第十六周 Problem A:逆序输出数组
- Struts2.0框架在使用时需要注意的问题
- ul与li应用样式
- 张乐最大熵模型文件格式分析
- 内存如何存放数据或指令
- 简单的实现图像的水平和垂直翻转
- bootsrtap开发下拉菜单的2级嵌套
- 492D - Vanya and Computer Game
- C++标准程序库细节整理(一)第四章
- POJ 2458 解题报告
- python list 的 extend 和 append
- Android -- Launcher 和 AppWidget, shortcut, LiveFloder,