這篇文章給大家介紹基于CRF的命名實體識別系統(tǒng)原理及實例剖析是怎樣的，內(nèi)容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

創(chuàng)新互聯(lián)堅信：善待客戶，將會成為終身客戶。我們能堅持多年，是因為我們一直可值得信賴。我們從不忽悠初訪客戶，我們用心做好本職工作，不忘初心，方得始終。十多年網(wǎng)站建設(shè)經(jīng)驗創(chuàng)新互聯(lián)是成都老牌網(wǎng)站營銷服務(wù)商,為您提供成都網(wǎng)站設(shè)計、成都網(wǎng)站制作、網(wǎng)站設(shè)計、H5場景定制、網(wǎng)站制作、高端網(wǎng)站設(shè)計、小程序開發(fā)服務(wù),給眾多知名企業(yè)提供過好品質(zhì)的建站服務(wù)。

經(jīng)常聽到一些朋友說用CRF（conditional random field algorithm）做命名實體識別，但絕大多數(shù)都是調(diào)用CRF++包，然后自己只是構(gòu)造一些特征，然后就是幾個命令行執(zhí)行下而已，最近又有朋友經(jīng)常問CRF是如何命名實體識別的，今天我就結(jié)合實例把CRF預(yù)測的過程來進行下解釋，有不對的地方歡迎拍磚，算是拋磚引玉吧。

本專題是建立在CRF模型已經(jīng)訓(xùn)練的基礎(chǔ)上的，如果有需要下個專題可以介紹下訓(xùn)練的原理及過程。

通常CRF的命名實體序列標注任務(wù)中標簽有B、E、M、S四種，本專題模板采用的是 ：   U0:%x[-1,0]   U1:%x[0,0]  U2:%x[1,0]  U3:%x[-1,0]%x[0,0] 

                   U4:%x[0,0]%x[1,0]   U5:%x[-1,0]%x[1,0]

使用案例是“維斯塔斯風(fēng)車著火了”

首先對“維”進行特征函數(shù)計算:

 可以看出當(dāng)前token是“維”，通過模板特征函數(shù)得到該矩陣，然后對該矩陣的各個列進行求和結(jié)果如下：     

其他字符的特征計算過程都是一樣的，在此就忽略過程，矩陣DotMatrix結(jié)果如下（其中由于“維”字是開始字符所以不可能是E和M標注，顧認為設(shè)置為最小權(quán)重）：

根據(jù)CRF計算過程，以上矩陣為點函數(shù)得分矩陣，我們還需要一個訓(xùn)練時得到的標注轉(zhuǎn)移矩陣TransMatrix即：

通過DotMatrix和TransMatrix的結(jié)合可以推導(dǎo)出前后字符之間在各個標注之前的最大轉(zhuǎn)移概率，公式如下：

其中score值的計算既是字符之間轉(zhuǎn)移概率的計算過程，from矩陣記錄的則是當(dāng)前節(jié)點標注最大概率時前一個字符的標注，可以認為是最優(yōu)路徑的記錄矩陣，而net矩陣則是通過轉(zhuǎn)移計算過程得到的每個字符在BEMS標注的概率值,如下：

from矩陣結(jié)果為：

我們此時是需要回溯出一條最優(yōu)路徑的，定位“了”字符，作為結(jié)尾字符，只可能是E或者S，我們看net[火][E]和net[火][S]的值，可以看出S標注結(jié)果更大，因此“了”標注為S，看from矩陣，from[了][S]=1，及“火”標注為E，以此類推得到結(jié)果如下：

關(guān)于基于CRF的命名實體識別系統(tǒng)原理及實例剖析是怎樣的就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。

文章題目：基于CRF的命名實體識別系統(tǒng)原理及實例剖析是怎樣的
分享地址：http://chinadenli.net/article22/gijccc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供域名注冊、ChatGPT、靜態(tài)網(wǎng)站、網(wǎng)站內(nèi)鏈、服務(wù)器托管、

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)