问题标签 [crfsuite]

我真的不明白如何结合 sklearn_crfsuite 和 Keras。

我必须制作一个经典的 LSTM，而不是最后一个 Activation，我使用 sklearn_crfsuite？

有人有例子吗？

谢谢，

我已经下载了 Conll 2003 语料库（“eng.train”）。我想用它来使用 python crfsuite 训练来提取实体。但我不知道如何加载这个文件进行训练。

我找到了这个例子，但它不适用于英语。

同样在未来，我想培训 POS 或位置以外的新实体。我该如何添加这些。

还请建议如何处理多个单词。

嗨，我正在使用 crfsuite 训练一个 crf，其中包含一些我使用拉丁文本的示例数据。我用 O、PERSON 和 PLACE 标记了训练数据。当测试我的训练模型时，我得到的所有预测都是 O。我怀疑这是因为我没有足够的训练数据。我的训练基于 3760 字节。（我知道这是一点点！-它会使 CRF 不起作用吗？）

这个问题是这个问题的延伸，它侧重于 LSTM 而不是 CRF。不幸的是，我对 CRF 没有任何经验，这就是我问这些问题的原因。

问题：

我想预测多个非独立组的二进制信号序列。我的数据集比较小（每组约 1000 条记录），所以我想在这里尝试一个 CRF 模型。

可用数据：

我有一个包含以下变量的数据集：

1. 时间戳
2. 团体
3. 表示活动的二进制信号

group_a_activity使用这个数据集，我想预测group_b_activity它是 0 还是 1。

请注意，这些组被认为是互相关的，并且可以从时间戳中提取额外的特征——为简单起见，我们可以假设我们从时间戳中提取的只有 1 个特征。

到目前为止我所拥有的：

这是您可以在自己的机器上复制的数据设置。

在我们进入 CRF 部分之前，我怀疑我不能从多任务学习的角度来解决这个问题（通过一个模型预测 A 和 B 的模式），因此我将不得不预测每一个他们分别。

现在是 CRF 部分。我找到了一些相关的例子（这里是一个），但它们都倾向于根据先验序列预测单个类值。

这是我在这里使用 CRF 的尝试：

看来我确实设法让它工作，但我不确定我是否正确地接近它。我将在问题部分提出我的问题，但首先，这是使用keras_contrib包的另一种方法：

问题：

我的主要问题是我是否正确构建了两个 CRF 模型。让我担心的是（1）没有很多关于 CRF 模型的文档，（2）CRF 主要用于预测给定序列的单个标签，（3）输入特征是嵌套的，（4）当以多任务方式使用，我不确定它是否有效。

我还有一些额外的问题：

1. CRF 适合这个问题吗？
2. 这两种方法（一种基于pycrfuite，一种基于keras_contrib）有何不同，它们的优点/缺点是什么？
3. 从更一般的意义上说，将 CRF 和 LSTM 模型合二为一有什么好处（就像这里讨论的那样）

非常感谢！

crf.fit(X_train, y_train) 不运行并显示上述错误。此外，当我运行 labels2 = list(crf.classes_) 我得到 NoneType 对象不可迭代。之前没用过crfsuite，网上也找不到满意的资料。

需要注意的几件事：csv 文件有 NO None 类型，是一个简单的数据集，仅由数字（包括标签）组成，最后一列是标签。使用 CRF，因为它是一个多标签顺序问题。

我希望最终代码能给我 F1 分数，但我无法通过培训：/

我已经从源代码（https://github.com/downloads/chokkan/crfsuite/crfsuite-0.12.tar.gz）正确安装了crfsuite。但是当我尝试编译一个非常简单的代码时，似乎我错过了一些东西。

这是代码：

这是要编译的命令行：

和错误：

路径正确 ( /usr/local/lib, /usr/local/include)

我一直在关注sklearn-crfsuite 教程。

用于训练 CRF 模型的特征示例如下所示。

如何sklearn-crfsuite将字符串转换melbourne为浮点数，因为 CRF 的特征应该只是浮点数。文档中的任何地方都没有提到这一点。

我想开发一个 NER 模型，我想在其中使用词嵌入功能来训练 CRF 模型。代码在没有词嵌入功能的情况下完美运行，但是当我将嵌入作为 CRF 训练的功能插入时，收到错误消息。这是我的代码片段的一部分：

当我想训练 CRF 模型时，我收到了以下错误消息：

TypeError: only size-1 arrays can be converted to Python scalars

谁能建议我如何使用词嵌入向量来训练 CRF 模型？

我如何为自定义命名实体执行 NER。例如，如果我想确定特定单词是否是简历中的技能。如果（Java，c++）出现在我的文本中，我应该能够将它们标记为技能。我不想在自定义语料库中使用 spacy。我想创建数据集，例如单词将是我的特征，标签（技能）将是我的因变量。

处理这些问题的最佳方法是什么。

我正在尝试按照此处的教程创建注释预测模型，但我的模型没有学到任何东西。这是我的训练数据和标签的示例：

-1:word.lower()': '\nreference...n \n \n \n \n \n \n \n \n0\ntable\n1\n:\nairbrake\ncas\nmessages\n', '-1:word.istitle()': False, '-1:word.isupper()': False, '-1:postag': 'POS', '-1:postag[:2]': 'PO ', '+1:word.lower()': 'issue', '+1:word.istitle()': False, '+1:word. isupper()': True, '+1:postag': 'POS', '+1:postag[:2]': 'PO'}, {'bias': 1.0, 'word.lower()': '问题'，'word [-3：]'：'SUE'，'word [-2：]'：'UE'，'word.isupper（）'：真，'word.istitle（）'：假，' word.isdigit()'：假，'postag'：'POS'，'postag[:2]'：'PO'，'w_emb_0'：-1.220 4882，'w_emb_1'：0.8920707，'w_emb_2'：-3。
y_train = ['O', 'O', 'O'...'I-data-ca-s_message-type'....'B-data-ca-s_message-type']

这是模型定义和训练：

`

`

不幸的是，我的模型没有学到任何东西：