CRF++(条件随机场)

　　crf++是款相当简单实用的条件随机场；它也是目前市场上的使用率相当大的开源工具，并且还是综合性能方面最好的crf工具，软件支持使用在文本标注，让你的文本阅读标注更加轻松；还对分词的功能，重要的词性标注支持，并且还对实体识别命名的领域包含；该工具操作性比较的高，简单的就能完成各种相关的各种操作，感兴趣的用户不要错过！

软件功能

　　按包里面的doc文件夹，就是你需要进行使用的官方主页内容

　　example文件夹，可以对您需要的训练数据，测试数据、模板文件、执行脚本的文件等包含

　　sdk文件夹，对CRF++的头文件，静态的链接库进行支持

　　而且还对　clr_learn.exe:CRF++的训练程序、crl_test.exe:CRF++的测试程序等进行包含

　　支持对静态的连接库进行快速的支持

软件特色

　　它的使用方式比较的简单

　　操作也快捷方便

　　并且体积还不大，相当的小巧

　　这样就会让下载速度加快

　　也会让您轻松的完成各种相关的操作

使用方法

　　1、将软件进行下载解压完成之后，将安装包里面的crf_learn.exe crf_test.exe libcrfpp.dll文件复制到您需要的example文件夹下面；

　　2、对CMD的命令模式，将CD到1复制到目录里面，而且支持对指令的输入“crf_learn template train.data model”，就能对model文件生成；

　　3、从条件随机场到线性链条件随机场，注意在CRF的定义中，我们并没有要求XX和YY有相同的结构。而实现中，我们一般都假设X和YY有相同的结构，即:

　　4、我们一般考虑如下图所示的结构：XX和YY有相同的结构的CRF就构成了线性链条件随机场(Linear chain Conditional Random Fields,以下简称 linear-CRF)；

　　5、在我们的十个词的句子的词性标记中，词有十个，词性也是十个，因此，如果我们假设它是一个马尔科夫随机场，那么它也就是一个linear-CRF。

　　我们再来看看 linear-CRF的数学定义：

　　设X=(X1,X2,...Xn),Y=(Y1,Y2,...Yn)X=(X1,X2,...Xn),Y=(Y1,Y2,...Yn)均为线性链表示的随机变量序列，在给定随机变量序列XX的情况下，随机变量YY的条件概率分布P(Y|X)P(Y|X)构成条件随机场，即满足马尔科夫性：

　　6、线性链条件随机场实例，这里我们给出一个linear-CRF用于词性标注的实例，为了方便，我们简化了词性的种类。假设输入的都是三个词的句子，即X=(X1,X2,X3)X=(X1,X2,X3),输出的词性标记为Y=(Y1,Y2,Y3)Y=(Y1,Y2,Y3),其中Y∈{1(名词)，2(动词)}Y∈{1(名词)，2(动词)}这里只标记出取值为1的特征函数如下：

　　求标记(1,2,2)的非规范化概率。利用linear-CRF的参数化公式，我们有：