原著:
Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data 2001年
有向图模型(Directed Graphical Models,DGM),又称作贝叶斯网络(Bayesian Network),典型模型有:隐马尔科夫模型(生成式),最大熵马尔科夫模型(判别式)
无向图模型(Undirected Graphical Models,UGM),又称做马尔科夫网络(Markov Network)或马尔科夫随机场(Markov Random Field,MRF)
设
X=(x1,x2,x3,...,xn)
,
Y=(y1,y2,y3,...,ym)
都是联合随机变量,若随机变量Y构成一个无向图G=(V,E)表示的马尔科夫随机场,则条件概率分布P(Y|X)称为条件随机场。
PPT:
Joe Drish 2002
Rongkun Shen 2003
Brad Gulko and Stephanie Hyland 2014
资源:
条件随机场文献阅读指南
Introduction to Conditional Random Fields
如何推导条件随机场参数估计的全过程?