zoukankan      html  css  js  c++  java
  • 转:CRF++词性标注

    CRF++词性标注

    训练和测试的语料都是人民日报98年标注语料,训练和测试比例是10:1,直接通过CRF++标注词性的准确率:0.933882。特征有一千多万个,训练时间比较长。机器cpu是48核,通过crf++,指定并线数量 -p为40,训练了大概七个小时才结束。

    语料库、生成训练数据的python脚本、训练日志、模型、计算准确率脚本都上传到网盘,可以直接下载:戳我下载 CRF++词性标注,程序在centos6.5+python2.7下面运行通过,如果在win下或者ubuntu下可能会有异常,通常都是编码、路径规范等小问题,通过逐行debug脚本应该很容易找到问题,同时要确定crf++在自己机器本身编译没有问题,下面说一下每一步的过程。

    文章目录 [展开]

    生成训练和测试数据

    生成训练和测试数据脚本:get_post_train_test_data.py,执行过程中会打印出来一些调试信息。

    执行训练和测试

    设置模板为:

    训练的时候的-p参数根据自己机器情况设置

    计算准确率

    通过命令:python clc_f.py  test.rst 执行python脚本,clc_f.py中的具体程序:

    实验结果

  • 相关阅读:
    docker 数据卷 ---- 进阶篇
    docker 数据卷 ---- 基础篇
    python做基本的图像处理
    conv1d UpSampling1D aotoencoder 自编码代码摘录
    python daal test
    python dict 构造函数性能比较
    CNN autoencoder 进行异常检测——TODO,使用keras进行测试
    利用CNN进行流量识别 本质上就是将流量视作一个图像
    Deep Belief Network简介——本质上是在做逐层无监督学习,每次学习一层网络结构再逐步加深网络
    python pipe stdout 实现cat|grep 功能
  • 原文地址:https://www.cnblogs.com/DjangoBlog/p/7448232.html
Copyright © 2011-2022 走看看