在上周要求并被建议使用两种软件（用于训练模型以对字符串的块进行分类）之后，我现在正在努力使用其中任何一种。

似乎在机器学习中（或者至少使用 CRF？），您不能只直接在训练数据上进行训练，而是必须先经过一个中间步骤。¹

来自 CRFsuite 教程：

下一步是对训练和测试数据进行预处理，以提取表示数据中单词（项目）特征的属性。CRFsuite 在内部从数据集中的属性生成特征。一般来说，这是机器学习方法中最重要的过程，因为特征设计极大地影响了标注的准确性。

Wapiti 不需要创建这样的属性文件，我认为因为它具有“模式”，而不是看起来比 CRFsuite 的中间格式文件更复杂。

举个例子：给定大量（数万个）字符串，例如这三个：

• Michael went to his room.

• Did you know Jessica's mom used to be with the military?

• Amanda! Come back inside! We'll have dinner soon!

从中手动创建了少量（几千）标记的训练和测试数据，例如这个块（对于上面的第一个示例）：

T Michael
K went
K to
K his
K room
S .

K Did
K you
K know
T Jessica's
K mom
K used
K to
K be
K with
K the
K military
S ?

T Amanda
S !
K Come
K back
K inside
S !
K We'll
K have
K dinner
K soon
S .

（T对于名称，K对于非名称，S对于标点符号，N对于数字。）

我如何确定“属性”应该是什么，以便能够创建与 CRFsuite 教程chunking.py中使用的脚本等效的脚本？

¹：关于那个中间步骤，Naoaki Okazaki 使用的术语我不清楚。“特征”和“属性”可以互换使用，似乎是指数据中包含的不可见的东西。“标签”可能是放置标记的类别，然后还有“观察”。