一、背景
最近在做一個簡歷語料的訓練，對簡歷中的關(guān)鍵信息進行標注（標注出應聘者的技能、專業(yè)等內(nèi)容），已經(jīng)有了大量的已經(jīng)標注好的語料，之前是用crf++進行訓練，后來遷移到crfsuite上，但是我在網(wǎng)上找不到太多的關(guān)于crfsuite教程，有些安裝配置還特別麻煩，在找了其他人的代碼以及看教程的基礎(chǔ)上，終于訓練出了一版，因此這里提供詳細的教程，供大家參考
二、安裝
安裝非常簡單，假設你已經(jīng)配好 python 環(huán)境，并配好相關(guān)的安裝工具 pip,easy_instal..直接在python中導入pycrfsuite、sklearn-crfsuite包
1）pip install python-crfsuite
2）pip install sklearn-crfsuite
三、數(shù)據(jù)準備
1）訓練集數(shù)據(jù)：我使用的是IOB格式標注體系（采用了四個符號：B、I、E、O),使用txt文件（excel也可以），文件格式不是特別重要。我的txt文件里面是這個格式，不同的句子之間用一個空行隔開。（備注：我這里的ZY表示‘專業(yè)’、XL表示‘學歷’）,詞與標注之間用tab鍵隔開。
2）數(shù)據(jù)讀入后，將數(shù)據(jù)放于一個列表（list），列表的樣式為：
四、訓練
1）特征定義
為每一個詞（字）定義一些特征，可以理解為我們想要考察字的哪些特征，比如它是否為大小寫、數(shù)字、以及它前后的字有哪些。
2）獲取每個詞、詞的標簽以及特征
3）訓練
調(diào)用上面2)的函數(shù)，將訓練集數(shù)據(jù)分成兩個列表：X_train和Y_train，里面分別存放特征和標簽（對訓練集也作同樣的處理）
設置訓練模型參數(shù)并開始訓練，這里的model.train(crfsuite_model)里的crfsuite_model你應當之前定義好，它是一個模型文件，“crfsuite_model = (os.path.join(model_path, 'cv.crfsuite'))? ”，即你訓練出來的模型會存放在文件cv.crfsuite中。
五、測試
打開模型文件，對測試集數(shù)據(jù)進行預測
六、評估
最后你可能需要去計算accuracy、precision、recall、f1-score。但這里要注意的是，這里還少了幾行代碼，前面的y_true和y_pred的形式是列表的列表，這樣計算會報錯，你需要把y_true里的元素都放一個列表里，不要有列表的嵌套的形式。
