crfsuite中文本特征的数字转换

Question

我正在查看crfsuitepython文档中提供的示例代码，其中包含以下用于定义特性的代码

def word2features(sent, i):
word = sent[i][0]
postag = sent[i][1]

features = [
    'bias',
    'word.lower=' + word.lower(),
    'word[-3:]=' + word[-3:],
    'word[-2:]=' + word[-2:],
    'word.isupper=%s' % word.isupper(),
    'word.istitle=%s' % word.istitle(),
    'word.isdigit=%s' % word.isdigit(),
    'postag=' + postag,
    'postag[:2]=' + postag[:2],
]
if i > 0:
    word1 = sent[i-1][0]
    postag1 = sent[i-1][1]
    features.extend([
        '-1:word.lower=' + word1.lower(),
        '-1:word.istitle=%s' % word1.istitle(),
        '-1:word.isupper=%s' % word1.isupper(),
        '-1:postag=' + postag1,
        '-1:postag[:2]=' + postag1[:2],
    ])
else:
    features.append('BOS')
    
if i < len(sent)-1:
    word1 = sent[i+1][0]
    postag1 = sent[i+1][1]
    features.extend([
        '+1:word.lower=' + word1.lower(),
        '+1:word.istitle=%s' % word1.istitle(),
        '+1:word.isupper=%s' % word1.isupper(),
        '+1:postag=' + postag1,
        '+1:postag[:2]=' + postag1[:2],
    ])
else:
    features.append('EOS')
            
return features

我知道isupper（）等功能可以是0或1，但对于word[-2:]等属于字符的功能，它们是如何转换为数字术语的

Answer 1

CRF根据输入数据序列进行训练，以了解从一种状态（标签）到另一种状态的转换。为了实现这种算法，我们需要定义考虑不同转换的特征。在下面的函数word2features（）中，我们将每个单词转换为描述以下属性或特征的特征词典：

lower case of word
suffix containing last 3 characters
suffix containing last 2 characters
flags to determine upper-case, title-case, numeric data and POS tag

我们还附加与上一个和下一个单词或标记相关的属性，以确定句首（BOS）或句尾（EOS）