命名实体识别之CRF的实现方式

方法1：基于CRF++实现NER

CRF++是著名的条件随机场的开源工具，也是目前综合性能最佳的CRF工具，采用C++语言编写而成。其最重要的功能我认为是采用了特征模板。这样就可以自动生成一系列的特征函数，而不用我们自己生成特征函数，我们要做的就是寻找特征，比如词性等。

官网地址：http://taku910.github.io/crfpp/

实践2：基于sklearn_crfsuite实现NER

sklearn-crfsuite是基于CRFsuite库的一款轻量级的CRF库。该库兼容sklearn的算法，因此可以结合sklearn库的算法设计实体识别系统。sklearn-crfsuite不仅提供了条件随机场的训练和预测方法还提供了评测方法。

https://sklearn-crfsuite.readthedocs.io/en/latest/#

安装：pip install sklearn-crfsuite

sklearn-crfsuite安装的一系列问题：

1.打开Anaconda Prompt，先将环境切换到pytorch下面(相关环境配置都在此)

activate pytorch

2.采用pip安装，报错

 3.参考大佬的博客，增加清华源pip清华源(清华大学国内镜像)安装地址_奋斗乌托邦的博客-CSDN博客_清华源

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名