问题标签 [crf]

http://i.imgur.com/dspFhlO.png

I am trying to label objects in am image using Conditional Random Fields. But I am stuck understanding this formula. Can anyone tell me the meaning the terms of the formula and how to calculate them. I am using MS-COCO data set which has labelled images i.e I have segmented images.

Here Z(.)= partition function and P(ci | Sj)= Probability that Sj segment of Image I belongs to class ci and q= no of pairwise spatial relations.

我正在尝试构建一个中文分词器作为本文。如果我理解正确，他们会使用带有 CRF++ 的 2-tag 分割方法。我的问题是，如何将该论文中的标签转换（例如T（-1）C（0）T（0））作为CRF ++中的特征模板？例如，对于这样的训练数据：

共乙

同美

创 B

造M

美 B <- 当前单词

好男

的乙

新乙

世乙

纪 M

CRF++中是否有可能有特征T(-1)C(0)T(0) -> M/美/B？我尝试添加功能模板，例如 U01:%x[-1,1]/%x[0,0]/%x[0,1] 但失败了。我也很困惑，既然 B/I 标记是我们要在测试数据中标记的标记（例如原始中文句子），为什么可以将标记用作论文中的特征？还是我误解了什么？

我一直在使用 HCRF 分类器对数据进行分类的项目中工作，但是各种参数：
(Label, True, Marked, Detect, Prec., Recall, F1)
在该过程中生成的统计文件中很难理解。
文件快照的图像已附加。

我们是否必须运行该命令两次，一次用于训练，然后再次用于测试，如下所示

或者一次全部，比如

当我们训练 CRF Mallet 时，模型文件是什么？java -cp "/home/hough/mallet/class:/home/hough/mallet/lib/mallet-deps.jar" cc.mallet.fst.SimpleTagger --train true --model-file nouncrf 样本

我想在 Ubuntu 中安装 python-crfsuite。当我使用 pip 安装时，我收到了一些警告和

在 python-crfsuite 的安装记录中找不到 .egg-info 目录

当我在 python 中导入 crfutils 时，它说找不到模块。可能是什么问题，或者在 Linux 系统中是不可能的？

我在 Python 中使用 CRF POS Tagger，训练英语 PTB 样本语料库，结果相当不错。

现在我想用 CRF 来训练一个大型的越南语料库。我需要在此标记器中添加一些越南语功能，例如专有名称、日期时间、数字……我尝试了几天，但不知道该怎么做。我已经知道数据的格式，所以没问题。

我对 Python 很陌生。因此，任何详细的答案都会有所帮助。谢谢。

出现错误：“加载共享库时出错：libcrfpp.so.0：无法打开共享对象文件：没有这样的文件或目录”

我必须制作一个很好的基于 NER CRF 的模型。我的目标是一个广阔的领域，我的目标类总数是 17 个。我还制作了一组很好的功能集（austen.prop），通过大量实验应该对我有用。NER没有产生好的结果。我需要知道NER 的局限性，它是基于训练数据大小等上下文的 CRF。

我进行了很多搜索，但直到现在我都找不到在制作训练数据时应该遵循的约定。

（注意：我完全知道如何制作模型和使用它，我只需要知道是否有任何约定，每个目标类应该存在一定比例等）

如果有人能指导我，我会很感激你。

我正在按照此链接中给出的约定制作我自己的基于 CRF 的斯坦福 NER 模型。

我想添加公报并从同一链接关注此内容。我提到了我所有的 Gazettes 都使用了这个属性，gazette=file1.txt;file2.txt并且还在 austen.prop 中提到了useGazettes =true。在我从公报中测试数据时制作模型后，它没有正确标记。我在文件中提到的标签不正确。这些结果对我来说有点令人惊讶，因为斯坦福 NER 没有给它们提供与这些文件中提到的相同的标签。

斯坦福 NER 的公报是否有一些限制，或者我仍然遗漏了什么？如果有人可以帮助我，我会很感激你。