对于使用过Java库Mallet的SimpleTagger类进行条件随机场（CRF）的人有一个问题。假设我已经使用了多线程选项以最大限度地利用我可用的CPU数量（这是我的情况）：我应该从哪里开始，如果我需要它运行得更快，我应该尝试哪些方法？

一个相关的问题是，是否有类似于随机梯度下降的方法，可以加速训练过程？

我想进行的训练类型很简单：

输入:特征1 ... 特征N 序列标签...测试数据:特征1 ... 特征N...输出:特征1 ... 特征N 序列标签...

（其中特征是我在自己的代码中对数据进行处理后的输出。）

除了Mallet之外，我在使用其他CRF分类器时遇到了问题，但我可能需要重新考虑并重新审视其他实现，或者尝试一个新的。

回答：

是的，随机梯度下降通常比Mallet中使用的L-BFGS优化器快得多。我建议你尝试CRFSuite，你可以使用SGD或L-BFGS进行训练。你也可以尝试Léon Bottou的基于SGD的实现，但这设置起来更困难。

否则，我认为CRF++是使用最广泛的CRF软件。它基于L-BFGS，所以可能对你来说不够快。

CRFSuite和CRF++都应该很容易上手。

请注意，如果你有大量的标签，所有这些都会很慢。至少CRFSuite可以配置为仅考虑观察到的标签n元组 – 在(n-1)阶模型中 – 这通常会使训练和预测快得多。