Die Aktion `crfTrain` trainiert ein Modell für bedingte Zufallsfelder (Conditional Random Fields, CRF) zur Sequenzkennzeichnung. CRFs sind eine Klasse statistischer Modellierungsmethoden, die häufig für die strukturierte Vorhersage verwendet werden, bei der benachbarte Ausgaben voneinander abhängig sind, wie z. B. bei der Kennzeichnung von Wortarten in einem Satz. Diese Aktion ist besonders nützlich für Aufgaben wie die Erkennung benannter Entitäten (Named Entity Recognition, NER).
| Parameter | Beschreibung |
|---|---|
| model | Gibt die Ausgabemodellierungstabellen an. |
| nloOpts | Gibt die Parameter für die nichtlineare Optimierung (OPTML) an. |
| table | Gibt den Namen der CAS-Tabelle an, die die Eingabedaten enthält. |
| target | Gibt den Namen der vorhergesagten/versteckten Variable der Eingabetabelle an. |
| template | Gibt die textuelle Vorlage zum Extrahieren von Merkmalen an. |
Die bereitgestellte HTML-Dokumentation enthält keine direkt einbettbaren Codebeispiele. Ein Beispiel ist über einen externen Link verfügbar.
Die bereitgestellte HTML-Dokumentation enthält keine direkt einbettbaren detaillierten Codebeispiele. Ein Beispiel ist über einen externen Link verfügbar.
Ein Krankenhaus möchte automatisch Symptome und Medikamente aus unstrukturierten Arztbriefen extrahieren. Das Ziel ist es, ein CRF-Modell zu trainieren, das Wörter als 'B-SYMP' ...
Ein E-Commerce-Riese muss Millionen von Suchanfragen verarbeiten, um Produktattribute (Farbe, Marke, Größe) zu taggen. Da die Datenmenge riesig ist, wird der 'Stochastic Gradien...
Ein Linguistik-Forschungsinstitut entwickelt ein Modell für eine seltene Sprache, das komplexe morphologische Regeln beachtet. Der Test soll sicherstellen, dass spezifische, kom...