NeuralTemplateGen-模板抽取

模型训练好之后，可以利用模型计算训练数据的维特比分隔，得到抽取后的模板

命令如下

python chsmm.py \
 -data data/labee2e/ \ 
 -emb_size 300 \
 -hid_size 300 \
 -layers 1 \
 -K 55 \
 -L 4 \
 -log_interval 200 \
 -thresh 9 \
 -emb_drop \  # true dropout on embeddings
 -bsz 16 \
 -max_seqlen 55 \
 -lr 0.5  \
 -sep_attn \ # true
 -max_pool \ # true, for word-fields
 -unif_lenps \ # true?
 -one_rnn \ # true?
 -Kmul 5 \
 -mlpinp \ # true
 -onmt_decay \ #true?
 -cuda \
 -load models/e2e-55-5.pt # 训练好的模型
 -label_train \ # true
 | tee segs/seg-e2e-300-55-5.txt # 保存标准输出

label_train

对每一个训练样本，它的格式之前介绍过

第一个是词，seqlen x bsz
第二项是label，bsz x (start, end, label)
第三项是生成的特征 bsz x nfields x nfeats, 
第四项是生成句子每一个词对标数据的位置seqlen x bsz x max_locs
第五项是生成句子每一个词含有go、end的特征seqlen x bsz x max_locs x nfeats

这里除了第二项,在这个函数中都用到了。

经历了：

1. 把copy信息和数据编码在一起
2. 把unknown词处理掉
3. 把用到的Field去重后，长度处理统一
4. 编码
5. 求转移概率
6. 求观测概率
7. 前向后向传播求观察概率
8. 维特比算法求得分隔片段

这个过程是把最终生成的文案，变成模板，就是把槽位抠取出来。