CRF运用较多场景：
1） 基于字标注的分词
2） 基于词或字标注的主题提取（人名、地名、机构名、品牌、商品等实体识别）
CRF原理：如何轻松愉快的理解条件随机场（CRF）？
链接：http://www.jianshu.com/p/55755fc649b1
实操流程：图片引用自别处。（本文的例子是一个命名实体识别）
实际操作：
第一步：将文本以‘【】’人工对实体进行标注。
1、负责【互联网金融】【大数据】的针对不同场景的获
第二步：写序列标注程序。标注成如下样式：
注意：文件编码格式保存成gbk,我的保存成utf8最后模型训练好后，测试时出现了繁体字。
第三步：将标注好的数据分成训练数据（train.txt）和测试数据(test.txt),比列8:2.
第四步：下载CRF（上网搜下）
训练模型：
第五步：训练模型
.\crf_learn.exe template train.txt model01
第六步：测试
.\crf_test.exe -m model01 test.txt >>result.txt
第七步：模型效果评估：
下一篇中介绍
第八步：拿没有标注的语料进行标注-这里当我们的模型训练好时，评估结果也很好，下面我们就应该运用模型来实际干活了.
将待处理的文本放入train文件夹，并执行： .\crf_test.exe -m model01 test1.txt >>result123.txt
运用上述训练好的模型对新的样本test1.txt进行序列标注结果（也就是实体抽取）:
########################################################
改进：
在处理多个.txt文本处理时，我们需要运用到批处理-因为一篇一篇手写处理（太慢了）。下一篇中介绍如何批处理。
写一个txt文件，里面的内容写成和上图类似的，这个图片中开头和结尾不需要改，他们中间的换成你的指令（你可以写一段代码生成这么多长得差不多的语句，这个大家肯定能够写出来）。然后把你的txt后缀改成.bat，把这个bat文件放在你的crf++tools里，双击这个.bat文件，会弹出cmd的黑色框，cmd就自己跑起来了。
最后补充点知识语料如何分配：
语料中数据集的分配：师妹的手稿-感谢她！（
）
