Python 在tensorflow中使用CRF解码时如何获得top-k最佳候选序列

允许我们获得每个标记的边际概率（每个输出标记的一种置信度度量）和输出的条件概率（整个输出的置信度度量）

Tensorflow有自己的crf实现。训练crf模型后，我们可以通过

tf.contrib.crf.viterbi_decode（）

或

tf.contrib.crf.crf_decode（）

获得每个测试输入序列的最佳标记序列

y

及其非标准化分数

然而，这并不足以让我得到一个最好的序列。目前，top-k最佳序列及其相应的分数对我都很有用。我注意到，目前上述两个功能没有提供这些信息。因此，我想知道是否有可能在对tensorflow源代码稍作修改后获得top-k最佳候选代码

top-k标签序列及其相应的非规范化分数
每个标签的边际概率（如CRF++）
% crf_test -v2 -m model test.data
# 0.478113
Rockwell        NNP     B       B/0.992465      B/0.992465      I/0.00144946    O/0.00608594
International   NNP     I       I/0.979089      B/0.0105273     I/0.979089      O/0.0103833
Corp.           NNP     I       I/0.954883      B/0.00477976    I/0.954883      O/0.040337
's              POS     B       B/0.986396      B/0.986396      I/0.00655976    O/0.00704426
Tulsa           NNP     I       I/0.991966      B/0.00787494    I/0.991966      O/0.00015949
unit            NN      I       I/0.996169      B/0.00283111    I/0.996169      O/0.000999975
..