• 大小: 2.62MB
    文件类型: .rar
    金币: 1
    下载: 0 次
    发布日期: 2023-09-13
  • 语言: 其他
  • 标签:

资源简介

CRF_maxent.rar 东北大学张乐博士的最大熵工具包 很好的资料

资源截图

代码片段和文件信息

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

评论

共有 条评论

相关资源