读取训练数据失败: tagger.cpp (393) CRF++

Question

当我对我的训练数据(train.txt)运行CRF++时，我得到了以下错误

C:\Users\2012\Desktop\CRF_Software_Package\CRF++-0.58>crf_learn template train.d
ata model
CRF++: Yet Another CRF Tool Kit
Copyright (C) 2005-2013 Taku Kudo, All rights reserved.

reading training data: tagger.cpp(393) [feature_index_->buildFeatures(this)]
0.00 s

我的训练数据包含Unicode字符，并且使用记事本(encoding= Unicode大印度)保存数据。

我不确定是模板的问题还是训练数据的格式问题。如何检查训练数据的格式？

Answer 1

我想这是因为你的模板文件。请检查您是否已将最后一列作为培训特征包括在内，这是黄金标准。列索引从0开始。例如，如果你的BIO文件中有6列。模板不应包含%x0,5之类的内容

Answer 2

问题是模板文件检查您的要素是否有不正确的“语法”，即U10：%x-1，0/%0，0

您意识到，在第二个%之后，缺少一个'x‘，更正后的行应如下所示：%x-1，0/%x0，0

Answer 3

我也遇到过同样的问题，文件是UTF-8格式的，模板文件和训练文件的格式肯定是正确的。原因是CRFPP在输入文件中最多期望1024列。如果它能在这种情况下输出一条适当的错误消息，那就太好了。