CRF++ 是著名的条件随机场开源工具，也是目前综合性能最佳的 CRF 工具。本文简要介绍其使用方法。
一、 工具包的下载：
a) http://crfpp.sourceforge.net
其中有两种，一种是 Linux 下（带源码）的，一种是 win32 的，当然是在什么平台下用就下载什么版本了。
b) http://download.csdn.net/source/1425683
两种版本打成一个包了。
二、 安装：
a) Windows 版的无须安装，直接解压即可使用；
b) Linux 版本的安装方法是：
i. 解压到某目录下
ii. 打开控制台，将当前目录切换到解压目录
iii. 依次输入命令：
./configure
make
su
make install
注：需要 root 权限才能成功安装。
三、 训练语料格式：
a) 训练语料至少应具有两列，列间由空格或制表位间隔，且所有行（空行除外）必须具有相同的列数。句子间使用空行间隔。
b) 一些合法的语料示例：
i. 有两列特征的
太 Sd N
短 Sa N
而 Bu N
已 Eu N
。 Sw N
以 Sp N
家 Bn N
乡 En N
的 Su N
ii. 只有一列特征的
太 N
短 N
而 N
已 N
。 N
以 N
家 N
乡 N
的 N
四、 特征的选取及模板的编写：
a) 特征选取的行是相对的，列是绝对的，一般选取相对行前后 m 行，选取 n-1 列（假设语料总共有 n 列），特征表示方法为： %x[ 行 , 列 ] ，行列的初始位置都为 0 。例如：
i. 以前面语料为例
“ Sw N
北 Bns B-LOC
京 Mns I-LOC
市 Ens I-LOC
首 Bn N
假设当前行为“京”字这一行，那么特征可以这样选取：
|
特征模板 |
意义 |
代表特征 |
|
%x[-2,0] |
-2 行， 0 列 |
“ |
|
%x[-1,0] |
-1 行， 0 列 |
北 |
|
%x[0,0] |
0 行， 0 列 |
京 |
|
%x[1,0] |
1 行， 0 列 |
市 |
|
%x[2,0] |
2 行， 0 列 |
首 |
|
%x[-2,1] |
-2 行， 1 列 |
Sw |
|
%x[-1,1] |
-1 行， 1 列 |
Bns |
|
%x[0,1] |
0 行， 1 列 |
Mns |
|
%x[1,1] |
1 行， 1 列 |
Ens |
|
%x[2,1] |
2 行， 1 列 |
Sw |
|
%x[-1,0]/%x[0,0] |
-1 行 0 列与 0 行 0 列的组合 |
北 / 京 |
|
%x[0,0]/%x[1,0] |
0 行 0 列与 1 行 0 列的组合 |
京 / 市 |
|
%x[-2,1]/%x[-1,1] |
-2 行 1 列与 -1 行 1 列的组合 |
Sw/ Bns |
|
%x[-1,1]/%x[0,1] |
-1 行 1 列与 0 行 1 列的组合 |
Bns/Mns |
|
%x[0,1]/%x[1,1] |
0 行 1 列与 1 行 1 列的组合 |
Mns/Ens |
|
%x[1,1]/%x[2,1] |
1 行 1 列与 2 行 1 列的组合 |
Ens/Sw |
|
%x[-2,1]/%x[-1,1]/%x[0,1] |
-2 行 1 列、 -1 行 1 列、 0 行 1 列的组合 |
Sw/Bns/Mns |
|
%x[-1,1]/%x[0,1]/%x[1,1] |
-1 行 1 列、 0 行 1 列、 1 行 1 列的组合 |
Bns/Mns/Ens |
|
%x[0,1]/%x[1,1]/%x[2,1] |
0 行 1 列、 1 行 1 列、 2 行 1 列的组合 |
Mns/Ens/Sw |
b) 模板制作：模板分为两类： Unigram 和 Bigram 。
其中 Unigram/Bigram 是指输出 token 的 Unigram/Bigrams ，而不是特征。
c) 以前面示例中的特征为特征，制作为 Unigram 模板如下：
#Unigram
U00:%x[-2,0]
U01:%x[-1,0]
U02:%x[0,0]
U03:%x[1,0]
U04:%x[2,0]
U05:%x[-2,1]
U06:%x[-1,1]
U07:%x[0,1]
U08:%x[1,1]
U09:%x[2,1]
U10:%x[-1,0]/%x[0,0]
U11:%x[0,0]/%x[1,0]
U12:%x[-2,1]/%x[-1,1]
U13:%x[-1,1]/%x[0,1]
U14:%x[0,1]/%x[1,1]
U15:%x[1,1]/%x[2,1]
U16:%x[-2,1]/%x[-1,1]/%x[0,1]
U17:%x[-1,1]/%x[0,1]/%x[1,1]
U18:%x[0,1]/%x[1,1]/%x[2,1]
说明：
i. 其中 # 开头的行不起作为，为注释；
ii. 行与行之间可以有空行；
iii. Unigram 的特征前使用字母 U ，而 Bigram 的特征前使用字母 B 。后面的数字用于区分特征，当然这些数字不是一定要连续。
五、 训练方法
a) 语料的训练可以使用命令（在终端或 DOS 命令行中）： crf_learn < 模板 > < 训练语料 > < 模板文件 >
其中模板和训练语料是需要事先准备好的，模板文件在训练完成后生成
注意：
1) 如果提示语料格式错误，则注意检查语料的存储编码，有些编码 CRF++ 是会读取错误的；
2) 文件路径要正确，如果文件没在当前目录，那么要使用绝对路径。
b) 训练中一些参数的说明：
ter ：迭代次数
terr ：标记错误率
serr ：句字错误率
obj ：当前对象的值。当这个值收敛到一个确定值的时候，训练完成
diff ：与上一个对象值之间的相对差
六、 解码方法
a) 可以使用 crf_test -m < 模板文件 > < 测试文件 1> < 测试文件 2> ……。
b) 结果会直接输出到屏幕上面，如果想让结果保存到文件中，那么使用重定向，在上面命令后面加上一个开关“ > ”即可： crf_test -m < 模板文件 > < 测试文件 1> > < 保存位置 > 。例如： crf_test -m model test.txt > result.txt
七、 评测工具 CoNLL 2000 的用法
a) 下载：
i. http://download.csdn.net/source/1425687
ii. http://www.cnts.ua.ac.be/conll2000/chunking/output.html
b) 使用它是用来评分，所以要求 crf_test 一步使用的测试文件中本身带有答案，这样解码后生成的结果会在答案的后一列。比如原来为：
使 En N
、 Sw N
交 Bni B-ORG
通 Mni I-ORG
部 Eni I-ORG
部 Bn N
那么解码后变成：
使 En N N
、 Sw N N
交 Bni B-ORG B-ORG
通 Mni I-ORG I-ORG
部 Eni I-ORG I-ORG
部 Bn N N
CoNLL 2000 将把最后一列与倒数第二列进行对比，统计出最后各类的正确率，召回率、 F 值等。
c) 使用评测工具前要将评测文件中的所有制表位转换成空格，否则评测工具会出错。
d) 评测命令为： perl conlleval.pl < < 评测文件 >
