Nlp 如何在Stanford NER中生成和使用特征

以以下两个功能为例：

及

问题:

使用第一个功能函数，我们需要像pw='in'w='Berlin'c='LOCATION'这样的东西，它可能会得到一个高权重，而更改c='PERSON'会得到一个低/负权重。问题是，w和pw是如何挑选的？它们是人工选择的，是从训练集中标记词的邻近区域中提取的，还是从所有可能的词集中提取的？那么是否考虑了每个组合pw，w

当在训练阶段使用第二个特征函数时，前向-后向算法中的矩阵变成N^3，其中N是类数。还是我遗漏了什么

---

提前谢谢你：）

斯坦福NER使用CRF序列模型。 1.pw和w都是在训练中看到的前一对和当前的单词。

---

2.在解码过程中，如果我们有特征模板PC、NC、C，那么为了找到最佳的序列，它必须考虑N^ 3可能的类组合（对于每个令牌和周围令牌）。默认模型使用pc，c，并考虑N^2个组合。

斯坦福NER使用CRF序列模型。 1.pw和w都是在训练中看到的前一对和当前的单词。 2.在解码过程中，如果我们有特征模板PC、NC、C，那么为了找到最佳的序列，它必须考虑N^ 3可能的类组合（对于每个令牌和周围令牌）。默认模型使用pc、c并考虑N^2个组合

pw, w, c

pc, nc, c