CRF学习

刚才写了半天的文章，因为不小心点了舍弃，一切都要重来。怪自己不小心，不过这CSDN的自动保存功能做的有点弱。

迅速进入正题。这些天在研究CRF的东西，由于之前对机器学习的方面接触比较少，看CRF比较费力，现在把看到的一些想法分享出来，理解不到位的地方希望大牛过来指点指点。

一、CRF的概念和原理

参考《条件随机场理论综述》（韩冬雪、周彩根），这篇文章里面对CRF的基本理论都做了介绍，主要包括了以下一些问题。

1.离散马尔科夫过程，即当前所处的状态仅与它之前的一条状态有关。

2.隐马尔科夫五个要素：N、M、A、B、PI。一个完整的马尔科夫模型要求两个具体的模型参数N和M，三个概率矩阵A、B、PI。

3.隐性马尔科夫模型的三个基本问题：

1）给定一个模型λ =（N、M、A、B、PI），如何高效的计算某一输出字符序列O=O1O2O3…Ot的概率P(O|λ)。可以采用forward-backward算法，迭代求出alpha和beta，然后求得P(O|λ)（公式9）。

2）给定一个模型λ =（N、M、A、B、PI）和一个输出字符O=O1O2O3…Ot，如何找到产生这一序列的最大状态序列Q。这个可以通过viterbi算法来求解。