public class CRFClassifier<IN extends CoreMap>
extends AbstractSequenceClassifier<IN>
使用CRF模型進行層序划分的類。這個類具有處理不同格式文檔的功能，但是當使用標准ColumnDocumentReaderAndWriter 類用來訓練或者測試模型時，輸入文件中要一行一個token（幾列標志性的東西，比如單詞、POS、chunk和answer class）。ColumnDocumentReaderAndWriter 默認訓練集是有3列輸入的，分別是：單詞、pos、gold class，但是這個可以通過map屬性來指定。
當使用-textFile命令在一個文件上運行的時候，文件要是普通英文文本（或者簡單的html/xml），通過PlainTextDocumentReaderAndWriter可以進行做一下簡單的英文標記測試。用來讀取文本的類可以通過 -plainTextDocumentReaderAndWriter來改變。-tokenizeOptions 標記提供了一些其他的標記器選項。
To read from stdin, use the flag -readStdin. The same reader/writer will be used as for -textFile.
要從標准輸入讀取文本的話，就是用-readStdin。至於-textFile，也可以使用同樣的reader/writer。
典型命令行使用：
為了將一個（含有（提供好的序列化的分類器）的訓練好的模型）在文本文件上運行：
java -mx500m edu.stanford.nlp.ie.crf.CRFClassifier -loadClassifier conll.ner.gz -textFile samplesentences.txt
在一個屬性文件（訓練、測試、運行時）中指定全部參數：
java -mx1g edu.stanford.nlp.ie.crf.CRFClassifier -prop propFile
To train and test a simple NER model from the command line:
通過命令行訓練和測試一個簡單的NER(命名實體識別)模型：
java -mx1000m edu.stanford.nlp.ie.crf.CRFClassifier -trainFile trainFile -testFile testFile -macro > output
用多個文件進行訓練：
java -mx1000m edu.stanford.nlp.ie.crf.CRFClassifier -trainFileList file1,file2,... -testFile testFile -macro > output
使用-testFiles選項和逗號分割的列表來進行多文件測試。
各種特征值通過FeatureFactory來定義。默認使用的是NERFeatureFactory，你可以查看特征值模版和在訓練NER分類器中需要使用的特征值的屬性或標記。還有一個edu.stanford.nlp.wordseg.SighanFeatureFactory，以及各種繼承者，例如用來進行中文分詞的ChineseSegmenterFeatureFactory。特征值可以通過Properties文件（推薦）或者命令行的標記來指定。各種標記被讀入到一個SeqClassifierFlags 對象，除非用戶想添加新的特征，否則用戶不用關注它。
CRFClassifier也可以在程序中使用，當新建一個實例的時候，你一定要指定Properties對象。然后你要調用訓練函數來訓練分類器或者加載一個分類器。另一種得到CRFClassifier的方法就是通過靜態函數getClassifier(String)來返回一個反序列化的分類器。之后你可能就會標注文檔，可以使用合適的classify()或者AbstractSequenceClassifier中合適的classify函數。可以通過printProbsDocument()或getCliqueTrees() 詢問CRF給定的概率。