處理槌子中CRF的整數值特徵

Question

我剛開始在槌子中使用SimpleTagger類。我的印象是它期望二進制功能。我想要實現的模型具有正整數值的特徵，我想知道如何在槌子中實現它。另外，我聽說如果模型有意義，非二進制特徵需要進行標準化。我將不勝感激關於如何做到這一點的任何建議。

ps。是的，我知道有一個專門的木槌郵件列表，但我已經等了將近一天的時間，才能讓我的訂閱獲得批准才能發佈。我只是匆忙。

Answer 1

現在6年過去了。如果您不再急着，可以查看Java API來創建實例。小例子：

private Instance createInstance(LabelAlphabet labelAlphabet){ 
    // observations and labels should be equal size for linear chain CRFs 
    TokenSequence observations = new TokenSequence(); 
    LabelSequence labels = new LabelSequence(labelAlphabet, n); 

    observations.add(createToken()); 
    labels.add("idk, some target or something");  

    return new Instance(
      observations, 
      label, 
      "myInstance", 
      null 
    ); 
} 

private Token createToken() { 
    Token token = new Token("exampleToken"); 

    // Note: properties are not used for computing (I think) 
    token.setProperty("SOME_PROPERTY", "hello"); 

    // Any old double value 
    token.setFeatureValue(featureVal, 666.0);  

    // etc for more features ... 

    return token; 
} 


public static void main(String[] args){ 
    // Note the first arg is false to denote we *do not* deal with binary features 
    InstanceList instanceList = new InstanceList(new TokenSequence2FeatureVectorSequence(false, false));  

    LabelAlphabet labelAlphabet = new LabelAlphabet(); 
    // Converts our tokens to feature vectors 
    instances.addThruPipe(createInstance(labelAlphabet)); 
} 

---

或者，如果你想繼續使用SimpleTagger，只是定義二進制功能，如HAS_1_LETTER，HAS_2_LETTER等，雖然這似乎有些單調乏味。