CRF++ 使用小结

本文总结了CRF++的使用经验,包括下载与编译、训练模型的命令行参数说明,如规范化算法选择(CRF-L1/L2)、训练数据频率阈值等。在模型训练过程中,提到了可能出现的错误,如模板格式错误和segment fault,并提供了解决方案。此外,还分享了使用CRF++时的注意事项,如特征数量、线程数选择以及不支持中文路径等问题,最后给出了相关参考资料。
摘要由CSDN通过智能技术生成

下载CRF++并编译

./configure
`make

编译成功即可训练模型

命令行使用CRF++:(这里有更详细的Tutorial
训练模型
crf_learn template_file train_file model_file
crf_learn参数
-a CRF-L2 or CRF-L1 规范化算法选择。默认是CRF-L2。
-c float 其中float关于拟合训练数据的程度,float越大,拟合程度越高
-f Num 其中Num是指训练数据中至少出现Num次
-p Num 其中Num是线程数量
-o output-FILE 重定向文件
测试模型
crf_test -m model_file test_files

使用CRF++遇到的错误:
reading training data:
tagger.cpp(393) [feature_index_->buildFeatures(this)]
报错原因ÿ

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值