在用于培训 CRF++ 的模板中，我如何包含一个dictionary.txt用于上市公司的自定义文件，另一个用于流行欧洲食品的自定义文件，例如，或几乎任何类别。
然后为每个类别提供样本训练数据，从而了解这些特定命名实体如何在该类别的上下文中使用。
通过这种方式，我和系统可以确保它正确理解某些命名实体在文本中的结构，无论是推文还是普利策获奖新闻文章，而不是提供数百兆字节的数据。
这会很酷。模型将有一个明确的已知实体字典（不需要扩展）和一个关于这些已知实体如何在人类文本中结构化的统计方法。
PS - 只是为了清楚起见，而不是渴望正则表达式。只有当你在字典里有很多东西，很多规则和很多无聊的时间时，这些才是很酷的。
我认为您所说的是地名词典（dictionary.txt）。
您必须在训练数据中包含一个单词的相应特征，然后在模板文件中指定它。
例如：您的列表包含实体：Hershey's
并且训练数据有一句话：I like Hershey's chocolates.
因此，当您以 CoNLL 格式（对于 CRF++）排列数据时，您可以添加一个列（其值应为 0 或 1 ，表示该词存在于字典中），除 Hershey 的所有词外，该列的值均为 0。您还必须将此列作为特征包含在模板文件中。
为了更好地理解 CRF++ 的模板文件和 NER 训练，您可以观看以下视频并评论您的疑问 :)
1) https://youtu.be/GJHeTvDkIaE
2) https://youtu.be/Ur5umC4BwN4
编辑：（查看OP的评论后）
具有额外功能的样本训练数据：https ://pastebin.com/fBgu8c67
我添加了 3 个功能。特征值（IsCountry1 或 0 ）可以从 Gazetteers 国家列表中获得。其他 2 个特征可以离线计算。请注意，文件中添加的标头仅供参考，不应包含在训练数据文件中。
上述数据的示例模板文件：https ://pastebin.com/LPvAGCVL
请注意，测试数据也应采用与训练数据相同的格式，具有相同的特征/相同的列数。