CRF_maxent.rar

CRF_maxent.rar 东北大学张乐博士的最大熵工具包 很好的资料

package iitb.CRFAppl;
import iitb.CRF.*;
import iitb.Model.*;
import iitb.Utils.*;
...;


public class CRFAppl {
    Properties options;
    CRF crfModel;
    FeatureGenImpl featureGen;

    public static void main（String argv[]） throws Exception {
	    /* 
	     * Initialization:
	     * Get the required arguements for the application here.
	     * Also you will need to create a Properties object for arguements to be 
	     * passed to the CRF. You do not need to worry about this object 
	     * because there are default values for all the parameters in the CRF package.
	     * You may need to pass your own parameters values for tuning the application 
	     * performance.
	     */

	    /*
	     * There are mainly two phases for a learning application: Training and Testing.
	     * Implement two routines for each of the phases and call them appropriately here.
	     */
	    train（）;
	    test（）;
    }

    public void train（） throws Exception {
	    /*
	     * Read the training dataset into an object which implements DataIter 
	     * interface（trainData）. Each of the training instance is encapsulated in the 
	     * object which provides DataSequence interface. The DataIter interface
	     * returns object of DataSequence （training instance） in next（） routine.
	     */

	    /*
	     * Once you have loaded the training dataset you need to allocate objects 
	     * for the model to be learned. allocmodel（） method does that allocation.
	     */
		allocModel（）;
	
	    /*
	     * You may need to train some of the feature types class. This training is 
	     * needed for features which need to learn from the training data for instance
	     * dictionary features build generated from the training set.
	     */
	    featureGen.train（trainData）;

	    /*
	     * Call train routine of the CRF model to train the model using the 
	     * train data. This routine returns the learned weight for the features.
	     */
	    double featureWts[] = crfModel.train（trainData）;

	    /*
	     * You can store the learned model for later use into disk.
	     * For this you will have to store features as well as their 
	     * corresponding weights.
	     */
	    crfModel.write（baseDir+“/learntModels/“+outDir+“/crf“）;
	    featureGen.write（baseDir+“/learntModels/“+outDir+“/features“）;

    }

    public void test（） throws Exception {
	    /*
	     * Read the test dataset. Each of the test instance is encapsulated in the 
	     * object which provides DataSequence interface. 
	     */

	    /*
	     * Once you have loaded the test dataset you need to allocate objects 
	     * for the model to be learned. allocmodel（） method does that allocation.
	     * Also you need to read learned parameters from the disk stored after
	     * training. If the model is already available in the memory then you do 
	     * not need to reallocate the model i.e. you can skip the next step in that
	     * case.
	     */
		allocModel（）;
		featureGen.read（baseDir+“/learntModels/“+outD

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        200  2005-05-25 15:10  CRF\build\iitb\CRF\CandidateSegments.class

     文件        303  2005-05-25 15:10  CRF\build\iitb\CRF\CandSegDataSequence.class

     文件       5867  2005-05-25 15:10  CRF\build\iitb\CRF\CollinsTrainer.class

     文件        251  2005-05-25 15:10  CRF\build\iitb\CRF\Constraint.class

     文件        231  2005-05-25 15:10  CRF\build\iitb\CRF\ConstraintDisallowedPairs.class

     文件       4892  2005-05-25 15:10  CRF\build\iitb\CRF\CRF.class

     文件       2669  2005-05-25 15:10  CRF\build\iitb\CRF\CrfParams.class

     文件        199  2005-05-25 15:10  CRF\build\iitb\CRF\DataIter.class

     文件        216  2005-05-25 15:10  CRF\build\iitb\CRF\DataSequence.class

     文件       1012  2005-05-25 15:10  CRF\build\iitb\CRF\EdgeGenerator.class

     文件        133  2005-05-25 15:10  CRF\build\iitb\CRF\Evaluator.class

     文件        204  2005-05-25 15:10  CRF\build\iitb\CRF\Feature.class

     文件       1165  2005-05-25 15:10  CRF\build\iitb\CRF\FeatureGenCache$FeatureImpl.class

     文件       4393  2005-05-25 15:10  CRF\build\iitb\CRF\FeatureGenCache.class

     文件        346  2005-05-25 15:10  CRF\build\iitb\CRF\FeatureGenerator.class

     文件        254  2005-05-25 15:10  CRF\build\iitb\CRF\FeatureGeneratorNested.class

     文件       1179  2005-05-25 15:10  CRF\build\iitb\CRF\HistoryManager$DataIterHistory.class

     文件       1419  2005-05-25 15:10  CRF\build\iitb\CRF\HistoryManager$DataSequenceHist.class

     文件       1979  2005-05-25 15:10  CRF\build\iitb\CRF\HistoryManager$FeatureGeneratorWithHistory.class

     文件       2384  2005-05-25 15:10  CRF\build\iitb\CRF\HistoryManager$FeatureHist.class

     文件       1740  2005-05-25 15:10  CRF\build\iitb\CRF\HistoryManager.class

     文件       2498  2005-05-25 15:10  CRF\build\iitb\CRF\LogDenseDoubleMatrix1D.class

     文件       1484  2005-05-25 15:10  CRF\build\iitb\CRF\LogDenseDoubleMatrix2D.class

     文件       2513  2005-05-25 15:10  CRF\build\iitb\CRF\LogSparseDoubleMatrix1D.class

     文件        779  2005-05-25 15:10  CRF\build\iitb\CRF\LogSparseDoubleMatrix1DOld$DoubleDoubleFunctionWrapper.class

     文件       3627  2005-05-25 15:10  CRF\build\iitb\CRF\LogSparseDoubleMatrix1DOld.class

     文件       1488  2005-05-25 15:10  CRF\build\iitb\CRF\LogSparseDoubleMatrix2D.class

     文件       1041  2005-05-25 15:10  CRF\build\iitb\CRF\NestedCollinsTrainer.class

     文件       2355  2005-05-25 15:10  CRF\build\iitb\CRF\NestedCRF.class

     文件      10304  2005-05-25 15:10  CRF\build\iitb\CRF\NestedTrainer.class

............此处省略380个文件信息