CRF++ 是著名的條件隨機場開源工具，也是目前綜合性能最佳的 CRF 工具。本文簡要介紹其使用方法。

一、 工具包的下載：

a) ???????? http://crfpp.sourceforge.net

其中有兩種，一種是 Linux 下（帶源碼）的，一種是 win32 的，當然是在什么平臺下用就下載什么版本了。

b) ???????? http://download.csdn.net/source/1425683

兩種版本打成一個包了。

二、 安裝：

a) ???????? Windows 版的無須安裝，直接解壓即可使用；

b) ???????? Linux 版本的安裝方法是：

???????????????????????? i. ????????????? 解壓到某目錄下

?????????????????????? ii. ????????????? 打開控制臺，將當前目錄切換到解壓目錄

????????????????????? iii. ????????????? 依次輸入命令： ????

./configure

make

su

make install

??????????????????????????? 注：需要 root 權限才能成功安裝。

三、 訓練語料格式：

a) ???????? 訓練語料至少應具有兩列，列間由空格或制表位間隔，且所有行（空行除外）必須具有相同的列數。句子間使用空行間隔。

b) ???????? 一些合法的語料示例：

???????????????????????? i. ????????????? 有兩列特征的

太 Sd N

短 Sa N

而 Bu N

已 Eu N

。 Sw N

?

以 Sp N

家 Bn N

鄉 En N

的 Su N

?????????????????????? ii. ????????????? 只有一列特征的

太 N

短 N

而 N

已 N

。 N

?

以 N

家 N

鄉 N

的 N

四、 特征的選取及模板的編寫：

a) ???????? 特征選取的行是相對的，列是絕對的，一般選取相對行前后 m 行，選取 n-1 列（假設語料總共有 n 列），特征表示方法為： %x[ 行 , 列 ] ，行列的初始位置都為 0 。例如：

???????????????????????? i. ????????????? 以前面語料為例

“ Sw N

北 Bns B-LOC

京 Mns I-LOC

市 Ens I-LOC

首 Bn N

假設當前行為“京”字這一行，那么特征可以這樣選取：

特征模板	意義	代表特征
%x[-2,0]	-2 行， 0 列	“
%x[-1,0]	-1 行， 0 列	北
%x[0,0]	0 行， 0 列	京
%x[1,0]	1 行， 0 列	市
%x[2,0]	2 行， 0 列	首
%x[-2,1]	-2 行， 1 列	Sw
%x[-1,1]	-1 行， 1 列	Bns
%x[0,1]	0 行， 1 列	Mns
%x[1,1]	1 行， 1 列	Ens
%x[2,1]	2 行， 1 列	Sw
%x[-1,0]/%x[0,0]	-1 行 0 列與 0 行 0 列的組合	北 / 京
%x[0,0]/%x[1,0]	0 行 0 列與 1 行 0 列的組合	京 / 市
%x[-2,1]/%x[-1,1]	-2 行 1 列與 -1 行 1 列的組合	Sw/ Bns
%x[-1,1]/%x[0,1]	-1 行 1 列與 0 行 1 列的組合	Bns/Mns
%x[0,1]/%x[1,1]	0 行 1 列與 1 行 1 列的組合	Mns/Ens
%x[1,1]/%x[2,1]	1 行 1 列與 2 行 1 列的組合	Ens/Sw
%x[-2,1]/%x[-1,1]/%x[0,1]	-2 行 1 列、 -1 行 1 列、 0 行 1 列的組合	Sw/Bns/Mns
%x[-1,1]/%x[0,1]/%x[1,1]	-1 行 1 列、 0 行 1 列、 1 行 1 列的組合	Bns/Mns/Ens
%x[0,1]/%x[1,1]/%x[2,1]	0 行 1 列、 1 行 1 列、 2 行 1 列的組合	Mns/Ens/Sw

b) ???????? 模板制作：模板分為兩類： Unigram 和 Bigram 。

其中 Unigram/Bigram 是指輸出 token 的 Unigram/Bigrams ，而不是特征。

c) ???????? 以前面示例中的特征為特征，制作為 Unigram 模板如下：

#Unigram

U00:%x[-2,0]

U01:%x[-1,0]

U02:%x[0,0]

U03:%x[1,0]

U04:%x[2,0]

U05:%x[-2,1]

U06:%x[-1,1]

U07:%x[0,1]

U08:%x[1,1]

U09:%x[2,1]

U10:%x[-1,0]/%x[0,0]

U11:%x[0,0]/%x[1,0]

U12:%x[-2,1]/%x[-1,1]

U13:%x[-1,1]/%x[0,1]

U14:%x[0,1]/%x[1,1]

U15:%x[1,1]/%x[2,1]

U16:%x[-2,1]/%x[-1,1]/%x[0,1]

U17:%x[-1,1]/%x[0,1]/%x[1,1]

U18:%x[0,1]/%x[1,1]/%x[2,1]

說明：

???????????????????????? i. ????????????? 其中 # 開頭的行不起作為，為注釋；

?????????????????????? ii. ????????????? 行與行之間可以有空行；

????????????????????? iii. ????????????? Unigram 的特征前使用字母 U ，而 Bigram 的特征前使用字母 B 。后面的數字用于區分特征，當然這些數字不是一定要連續。

五、 訓練方法

a) ???????? 語料的訓練可以使用命令（在終端或 DOS 命令行中）： crf_learn < 模板 > < 訓練語料 > < 模板文件 >

其中模板和訓練語料是需要事先準備好的，模板文件在訓練完成后生成

注意：

1) ???????? 如果提示語料格式錯誤，則注意檢查語料的存儲編碼，有些編碼 CRF++ 是會讀取錯誤的；

2) ???????? 文件路徑要正確，如果文件沒在當前目錄，那么要使用絕對路徑。

b) ???????? 訓練中一些參數的說明：

ter ：迭代次數

terr ：標記錯誤率

serr ：句字錯誤率

obj ：當前對象的值。當這個值收斂到一個確定值的時候，訓練完成

diff ：與上一個對象值之間的相對差

六、 解碼方法

a) ???????? 可以使用 crf_test -m < 模板文件 > < 測試文件 1> < 測試文件 2> ……。

b) ???????? 結果會直接輸出到屏幕上面，如果想讓結果保存到文件中，那么使用重定向，在上面命令后面加上一個開關“ > ”即可： crf_test -m < 模板文件 > < 測試文件 1> > < 保存位置 > 。例如： crf_test -m model test.txt > result.txt

七、 評測工具 CoNLL 2000 的用法

a) ???????? 下載：

???????????????????????? i. ????????????? http://download.csdn.net/source/1425687

?????????????????????? ii. ????????????? http://www.cnts.ua.ac.be/conll2000/chunking/output.html

b) ???????? 使用它是用來評分，所以要求 crf_test 一步使用的測試文件中本身帶有答案，這樣解碼后生成的結果會在答案的后一列。比如原來為：

使 En N

、 Sw N

交 Bni B-ORG

通 Mni I-ORG

部 Eni I-ORG

部 Bn N

那么解碼后變成：

使 En N ?? N

、 Sw N ? N

交 Bni B-ORG B-ORG

通 Mni I-ORG I-ORG

部 Eni I-ORG ?? I-ORG

部 Bn N ?? N

CoNLL 2000 將把最后一列與倒數第二列進行對比，統計出最后各類的正確率，召回率、 F 值等。

c) ???????? 使用評測工具前要將評測文件中的所有制表位轉換成空格，否則評測工具會出錯。

d) ???????? 評測命令為： perl conlleval.pl < < 評測文件 >