我正在使用斯坦福分类器提供的最大熵算法，以执行自定义的命名实体识别。 输出文件提供5列 - ＆gt; word \ t ground-truth \ t label \ t P（clAnswer）\ t P（goldAnswer））
P（clAnswer）和 P（goldAnswer）之间的区别是什么？这些是如何计算的？
由于
亚历
答案 0 :(得分：0)
P（clAnswer）是模型给出猜测的概率。 P（goldAnswer）是模型给出真金回答的概率。
如果您想了解分类器背后的算法，可以在此链接找到资源：https://nlp.stanford.edu/software/classifier.shtml
我应该注意，使用CRFClassifier来训练NER模型是标准的。这里有关于培训NER模型的详尽文档：