public?class?CRFClassifier<IN?extends?CoreMap>

extends?AbstractSequenceClassifier<IN>

使用CRF模型進行層序劃分的類。這個類具有處理不同格式文檔的功能，但是當使用標準ColumnDocumentReaderAndWriter?類用來訓練或者測試模型時，輸入文件中要一行一個token（幾列標志性的東西，比如單詞、POS、chunk和answer?class）。ColumnDocumentReaderAndWriter?默認訓練集是有3列輸入的，分別是：單詞、pos、gold?class，但是這個可以通過map屬性來指定。

當使用-textFile命令在一個文件上運行的時候，文件要是普通英文文本（或者簡單的html/xml），通過PlainTextDocumentReaderAndWriter可以進行做一下簡單的英文標記測試。用來讀取文本的類可以通過?-plainTextDocumentReaderAndWriter來改變。-tokenizeOptions?標記提供了一些其他的標記器選項。

To?read?from?stdin,?use?the?flag?-readStdin.?The?same?reader/writer?will?be?used?as?for?-textFile.

要從標準輸入讀取文本的話，就是用-readStdin。至于-textFile，也可以使用同樣的reader/writer。

典型命令行使用：

為了將一個（含有（提供好的序列化的分類器）的訓練好的模型）在文本文件上運行：

java?-mx500m?edu.stanford.nlp.ie.crf.CRFClassifier?-loadClassifier?conll.ner.gz?-textFile?samplesentences.txt

在一個屬性文件（訓練、測試、運行時）中指定全部參數：

java?-mx1g?edu.stanford.nlp.ie.crf.CRFClassifier?-prop?propFile

To?train?and?test?a?simple?NER?model?from?the?command?line:

通過命令行訓練和測試一個簡單的NER(命名實體識別)模型：
java?-mx1000m?edu.stanford.nlp.ie.crf.CRFClassifier?-trainFile?trainFile?-testFile?testFile?-macro?>?output

用多個文件進行訓練：
java?-mx1000m?edu.stanford.nlp.ie.crf.CRFClassifier?-trainFileList?file1,file2,...?-testFile?testFile?-macro?>?output

使用-testFiles選項和逗號分割的列表來進行多文件測試。

各種特征值通過FeatureFactory來定義。默認使用的是NERFeatureFactory，你可以查看特征值模版和在訓練NER分類器中需要使用的特征值的屬性或標記。還有一個edu.stanford.nlp.wordseg.SighanFeatureFactory，以及各種繼承者，例如用來進行中文分詞的ChineseSegmenterFeatureFactory。特征值可以通過Properties文件（推薦）或者命令行的標記來指定。各種標記被讀入到一個SeqClassifierFlags?對象，除非用戶想添加新的特征，否則用戶不用關注它。

????CRFClassifier也可以在程序中使用，當新建一個實例的時候，你一定要指定Properties對象。然后你要調用訓練函數來訓練分類器或者加載一個分類器。另一種得到CRFClassifier的方法就是通過靜態函數getClassifier(String)來返回一個反序列化的分類器。之后你可能就會標注文檔，可以使用合適的classify()或者AbstractSequenceClassifier中合適的classify函數。可以通過printProbsDocument()或getCliqueTrees()?詢問CRF給定的概率。

本文轉自ZH奶酪博客園博客，原文鏈接：http://www.cnblogs.com/CheeseZH/archive/2012/11/29/2794280.html，如需轉載請自行聯系原作者

總結

以上是生活随笔為你收集整理的Stanford_NLP_TOOLS：CRFClassifier的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。