Java 这个术语是什么；特写“；在OpenNLP中是什么意思？或者在NLP中。外行术语会很好

我当时正在从事OpenNLP项目，遇到了一些东西，比如特性生成。“特征”一词的确切含义是什么？如果你能用外行术语来解释，那就太好了。我不使用OpenNLP，但机器学习术语中的一个特性是分类器/回归器/其他模型的输入

如果你想将人类分为男性还是女性，你的特征可以是：

大小

列表项

重量

头发长度

根据这四个特征，你可以将其分类为男性还是女性

在更复杂的数据上，特征生成可能意味着您在某些特征中总结了大量数据。

---

例如，100个值的标准偏差。或最大值或……

其他答案给出了功能的大致概念。对于OpenNLP和大多数其他最大熵分类器，一个特征实际上是一个指示函数，指示一个术语是否与类一起出现，I（C，x），其中C是结果类，x是术语，如果术语与类一起出现，I=0（请参阅以获得更好的描述）。]

在openNLP（和其他maxent软件包）中，很容易将术语（实际上，我们应该称之为谓词而不是术语，这通常是一个词）与功能（函数）混淆。然而，如果你看看（在美国，我们称之为足球），你会发现它不需要是一个单格；它可能是家=阿森纳。你可以让[w-1:last，w:night]代表昨晚的二元人格

您可能还想知道一些其他术语。事件是一个数据点，其中包含该数据点的所有谓词（以及训练的结果）。上下文是用于训练/评估结果的谓词集。因此，谓词是您正在寻找的“术语”

下面是一个例子

每个术语（例如home=man_united）都是一个谓词（大多数人使用术语feature，但是feature是home=man_united，结果是阿森纳）。 每一行都是一个事件

---

我希望这会有所帮助。

Florian是对的，但对于NLP来说，功能处理通常要复杂一些。你可以开始了，尽管我只是略读了一遍。

home=man_united Beckham=false Scholes=true Neville=true Henry=true Kanu=true Parlour=false Ferguson=confident Wengler=tense arsenal_lost_previous man_united_won_previous arsenal
home=arsenal Beckham=false Scholes=true Neville=true Henry=true Kanu=true Parlour=false Ferguson=confident Wengler=tense arsenal_lost_previous man_united_won_previous arsenal