CRF ++模板文件和句子语法

Question

我正在尝试使用CRF ++将产品字符串解析为各种属性类，以便我可以执行类似于this question的产品匹配。

然而，当我遇到一个问题时，当培训文件中尚未显示产品字符串中单词的顺序时，CRF无法准确预测标签。

举个例子，我只是使用一个词袋模板文件：

#Unigrams
U00:%x[-1,0]
U00:%x[0,0]
U00:%x[1,0]

#Bigrams
B

我运行crf_learn，包括以下示例训练数据：

panasonic  NOUN  B-BRAND
digital  ADJ  B-PRODUCT
monitor  NOUN  I-PRODUCT
17  #  B-SIZE
inch  #  I-SIZE

使用此训练数据时，模型会正确地将测试字符串“panasonic digital monitor 17 inch”解析为正确的输出标记。但是，当我在字符串上使用模型时，例如“panasonic monitor digital 17 inch”，模型无法识别正确的标记，而是将“数字”和“监视”的标记更改为以下内容：

panasonic  NOUN  B-BRAND
monitor  NOUN  B-PRODUCT
digital  ADJ  I-PRODUCT
17  #  B-SIZE
inch  #  I-SIZE

然而，我需要的是：

panasonic  NOUN  B-BRAND
monitor  NOUN  I-PRODUCT
digital  ADJ  B-PRODUCT
17  #  B-SIZE
inch  #  I-SIZE

这是我的模板文件的问题，还是CRF固有的语法限制？或者我可以以某种方式修改模板文件或训练数据列以捕获/忽略产品字符串中单词的排序吗？

Answer 1

首先，模板文件中的功能定义是错误的。

所有要素模板都标识为U00。这意味着基本上只有1个功能，而不是3个。

其次，我认为您应该尝试更多功能模板，例如：

#context of 3 words
U00:%x[-1,0]
U01:%x[0,0]
U02:%x[1,0]

#for POS Tag
U03:%x[0,1]

希望这有助于提高绩效：）

PS：您可以看到https://youtu.be/GJHeTvDkIaE了解CRF ++模板文件。