标注问题是分类问题的一个推广,是更复杂的结构预测问题的一个简单的形式。
输入是一个观测序列,输出是一个标记序列或者状态序列。其目的是学习一个模型,使得对于观测序列能够给出一个标记序列作为预测。注意标记个数是有限的,但其组合所成的标记序列的个数是随着序列长度成指数级增长的。
学习系统基于训练数据集构建一个模型,表示为条件概率分布.p(Y1,Y2...YN|X1,X2...XN)
每一个xi取值为所以可能的观测,每一个Yi取值为所有可能的标记。
标注系统按照学习得到的条件概率分布模型,对新的输入观测序列找到相应的输出标记序列。
对于输入的观测序列找到使条件概率最大的标记序列。
评价标记系统的指标和评价分类系统的指标一样,常用的有准确率,精确率,召回率。
标注常用的统计学习方法有:隐马尔科夫模型,条件随机场。
应用范围:信息抽取,自然语言处理。