Wapiti/CRF ++數據集格式

Question

爲了安全起見，並看到辛勤工作的成果，需要正確格式化數據的哪些功能？

我有這個dataset和template，手動標記爲NER。

就CRF ++的培訓而言，使用生成的模型進行測試會得到0%正確的結果。使用Wapiti的結果相同。

問題，應該修改模板文件嗎？或者也需要在訓練數據集中添加POS標籤。

此外，如果模型應該打折字套管而標記，應在訓練數據集反映其全部，使得下殼體被執行。但是它會不會影響某些從大寫形式中衍生出來的句子。
在這方面有點不清楚。

PS - 針對像http://cliff.mediameter.org/這樣的模型，其中NER標記爲與套管無關。但不能使用他們的模型。

Answer 1

訓練數據太小（幾乎是47個句子），格式也不正確，因爲句子以空行結束，但是以空格 - 製表符結束，這可能會使crf ++將整個文件作爲單個文件學習句子。

試試這個http://paste.ubuntu.com/24537692/

此外，您可以分享您的測試數據？