1. 简介

本仓库为CRF++工具的python接口封装，提供以下功能：

• 序列标注标签体系生成
• 利用命令行执行脚本训练模型
• 使用交叉验证法选取最优超参
• Python接口封装进行序列标注预测

1.1 CRF++: Yet Another CRF toolkit

• 官方主页: https://taku910.github.io/crfpp/#download
• github网址: https://github.com/taku910/crfpp

安装CRF++

从官方主页中下载最新CRF++-0.58版本，并解压。进入到./CRF++-0.58/目录下，安装步骤如下：

./configure 
make
su
make install

安装python库：CRFPP

进入到./CRF++-0.58/python/目录下，执行命令：

python3 setup.py build
python3 setup.py install

1.2 Python Wrapper for CRF++

在./CRF++-0.58/src/目录下，包含模块文件：

• crf_wrapper.py: python wrapper for CRF++，加载训练好的模型进行序列标注预测；
• utils.py: 提供一些公共函数，如生成序列标注标签、生成训练输入文件等；
• evaluate.py: 进行分类指标评价(如f1)；

2. 示例

CRF++工具可以用于各类序列标注任务，如分词、词性标注、命名实体识别(NER)等。在./pycrfpp/examples/目录下，每个序列标注项目(如ner/)文件夹下应至少包含以下文件：

• run.sh 训练、测试、评估的脚本文件
• template 特征模板文件
• train.data 训练集输入文件
• test.data 测试集输入文件

2.1 详细步骤

• 提取文本特征，准备训练数据文件
  • ./train.data
  • ./test.data
• 准备特征模板文件
  • ./template
• 训练模型：在训练集上训练，输出模型文件crfpp_model.bin

crf_learn -p 4 -c 1 -f 1 template train.data crfpp_model.bin

• 测试结果：在测试集上测试，输出test.result

crf_test -m crfpp_model.bin test.data > test.result

• 最后，利用CrfWrapper类(./pycrfpp/crf_wrapper.py)加载训练后的模型进行序列标注预测