谈谈CRF++的特征选取(http://nzinfo.spaces.live.com/blog/cns!67694E0B61E3E8D2!182.entry)

在CRF++中，存在特征模板的概念，通过定义模板文件中的特征模板来提取特征，进行CRF模型计算。

其特征分以下三个阶段:

1 特征模板：定义从训练集中提取特征的方法

2 特征F：使用特征模板从训练集中提取到的特征字符串，在CRF++中，这些特征都是二值函数

3 活动特征AF: 具体某个特征在某个Tag下出现的情况，af(f,tag)。

在CRF的解码过程，实际上是通过已知的F，展开成AF，并求出最可能的Tag的序列；

因为CRF++只需要写一个特征模板，使用简单。因此在NLP领域得到了广泛的应用。但是，简单的使用界面是有副作用的。

1、通过特征模板，产生了大量的无效特征，上述特征在提高计算精度上贡献有限，但是仍然占用了大量的计算时间

2、通过特征模板，难于表达复杂的特征提取逻辑。

 

我认为一种理想的情况是，由CRF的用户手工写程序进行特征的提取，交由CRF计算模块进行模型的评估计算。