Stanford nlp 斯坦福·内尔：我如何创建一个可以使用和测试的新培训集？

据我所知，要创建一个培训文件，您需要将您的单词放入一个文本文件中。然后在每个单词后，添加空格或制表符以及标签（如PERS、LOC等）

我还将一个示例属性文件中的文本复制到一个word pad中。如何将这些内容输入到gz文件中，以便输入分类器并使用

---

请引导我。我是一个新手，对技术相当不熟练。

我建议您查看NLTK文档，了解有关训练解析器的更多信息 . 现在，您似乎想要训练CRFClassizer（而不是解析器！）；为此，您可能需要检查此常见问题解答您的培训文件（例如

培训数据.tsv

）应如下所示：

I   O
drove   O
to  O
Vancouver   LOCATION
BC  LOCATION
yesterday   O

trainFile = training-data.tsv
serializeTo = my-classification-model.ser.gz
map = word=0,answer=1
...

其中

O

表示“外部”，如在非命名实体中

其中列之间的空间是一个

选项卡

您不会将它们放在

ser.gz

文件中。ser.gz文件是由训练过程创建的分类器模型

要训练分类器运行：

java -cp ner.jar edu.stanford.nlp.ie.crf.CRFClassifier -prop my-classifier.properties

其中

my classifier.properties

如下所示：

I   O
drove   O
to  O
Vancouver   LOCATION
BC  LOCATION
yesterday   O

trainFile = training-data.tsv
serializeTo = my-classification-model.ser.gz
map = word=0,answer=1
...