条件随机场简介(CRF)(三)

转载请注明出处，谢谢。
质量不佳，请多包涵。

Conditional random field(CRF)(条件随机场)简介(三)

3.Conditional Random fields 条件随机场

（译者：chain-CRF）

Lafferty et al. 给出了条件随机场的概率表达式，在给定观测序列x之后，某个标签序列$y$的条件概率是一下表达式的归一化（潜在函数 的乘积）：

其中$t_j (yi−1, yi, x, i)$ 是参数为整个观测序列x，当前位置i，当前标签和前一标签的转换特征方程（transition feature function）。 $s_k(yi, x, i)$ 是参数为整个观测序列x，当前位置i和当前标签的状态特征方程（state feature function）。$λj$ 和 $µk$ 是将要估计推断的参数。当定义特征方程的时候，我们会设定一些实值特征 $b(x, i)$ 来表达训练数据所展示的概率分布的一些特点，而这些特征也应该对模型的有效。

一个实值特征的例子是：

然后每个特征方程（转移特征方程和状态特征方程）都会利用一个实值特征构建它们的方程，比如：

最后，转移特征方程和状态特征方程可以统一记号，得到简化的CRF条件概率表达式。

翻译：https://people.cs.umass.edu/~wallach/technical_reports/wallach04conditional.pdf
作者：jiaqiang_ruan
转载请注明出处，谢谢。
质量不佳，请多包涵。