1.下载

下载地址：
（1）官网：https://taku910.github.io/crfpp/#download（似乎被墙了）
（2）https://sourceforge.net/projects/crfpp/
（3）网盘下载： https://pan.baidu.com/s/1fkx258xBaXr-egRc3RDXHQ （提取码：o6kv）

版本选择：
Windows选择zip压缩包，Linux选择tar.gz压缩包。

2.Windows安装

直接解压即可使用

3.实例测试

选中如图所示的3个文件，复制到“CRF+±0.58\example\chunking”（一个有训练数据和测试数据的实例）。（如果提示已存在，可忽略此步骤）命名实体识别——CRF++0.58的安装与使用

doc文件夹：官方主页
example文件夹：四个训练示例，训练数据（test.data），测试数据（train data）和模板文件（template），执行脚本文件exec.sh
sdk文件夹：CRF++的头文件和静态链接库
clr_learn.exe：CRF++的训练程序
crl_test.exe：CRF++的测试程序
libcrffpp.dll：训练程序和测试程序需要使用的静态链接库

打开cmd，进入“CRF+±0.58\example\chunking”目录，
命名实体识别——CRF++0.58的安装与使用
输入：crf_learn template train.data model
即，crf_learn template_file train_file model_file

生成“model”文件，模型训练成功。（本安装包已有一个model文件，可观察是否更新日期）
打印控制台的信息：crf_learn template train.data model >> model_out.txt
即可生成model_out.txt文件。

输出参数：

iter：迭代次数。当前迭代次数达到maxiter时，迭代终止。
terr：标记错误率
serr：句子错误率
obj：当前对象的值。当这个值收敛到一个确定的值的时候，训练完成。
diff：与上一个对象之间的相对差。当此值低于eta时，训练完成。

测试数据，并打印控制台信息：crf_test -m model test.data >output.txt
至此，windows系统的使用测试通过，可进行后续实验。

Linux系统的安装可查找其他资料。

4.参数设置

（1）训练参数

crf_learn -f 3 -c 1.5 template train.data model
1）-a CRF-L2 or CRF-L1
规范化算法选择。默认是CRF-L2。一般来说L2算法效果要比L1算法稍微好一点，虽然L1算法中非零特征的数值要比L2中大幅度的小。

2）-c float
这个参数设置CRF的hyper-parameter。c的数值越大，CRF拟合训练数据的程度越高。这个参数可以调整过度拟合和不拟合之间的平衡度。这个参数可以通过交叉验证等方法寻找较优的参数。

3）-f NUM
这个参数设置特征的cut-off threshold。CRF++使用训练数据中至少NUM次出现的特征。默认值为1。当使用CRF++到大规模数据时，只出现一次的特征可能会有几百万，这个选项就会在这样的情况下起到作用。

4）-p NUM
如果电脑有多个CPU，那么那么可以通过多线程提升训练速度。NUM是线程数量。

5）-m -maxiter=int
设置最大的迭代次数（默认为10k）

6）-e -eta=float
设置终止标准（默认为0.0001）

（2）测试参数

crf_test -m model test.data
1）-v可以显示预测标签的概率值；
2）-n可以显示不同可能序列的概率值

5.调用Python接口

（说明：此步骤没有通过。原因是Python使用build编译，需要通过匹配的VS版本中的C/C++环境，而我暗转的VS版本与其不匹配。具体可参考：https://www.cnblogs.com/yyds/p/7065637.html。还是Linux自带的gcc好用啊…）
方便模型训练好以后，进行应用和测试
解压tar.gz压缩包，cmd进入该目录的Python文件夹
执行：
（1）python setup.py build
（2）python setup.py install
若提示：error: Unable to find vcvarsall.bat；则是因为在windows环境中，python 的 Setup需要调用一个vcvarsall.bat的文件，该文件需要安装c++编程环境才会有。
解决方法：安装Visual Studio，有社区版，下载完成后需要钩选组件，这里是选择了Python和C++的相关包。安装时间可能有点长。
（3）然后把python 目录下的 “libcrfpp.dll” 文件复制到python安装目录下的site-packages目录下。
（4）import CRFPP ，可成功导入

命名实体识别——CRF++0.58的安装与使用