使用 CRF 模型 (CRFSuite) 标记项目时处理缺失或未知的特征

Question

我正在使用 CRFSuite（python-crfsuite 实现）构建命名实体提取器，类似于 http://nbviewer.ipython.org/github/tpeng/python-crfsuite/blob/master/examples/CoNLL%202002.ipynb 上的教程 训练输入是一系列单词，每个单词都有许多特征。

问题在于，对于我的特定用例，我并不总是具有我试图识别的实体的特征。我希望 CRF 模型根据周围单词的特征来识别实体。但是，当我简单地输入一个空字典 {} 作为单词的特征时，命名实体永远不会被正确分类。

我想知道是否有处理这种情况的特征或标准方法，在训练模型后，模型并不总是具有所有项目的特征。

Answer 1

在某些情况下，为“-”或“+”等缺失特征分配固定值可能很有用。