CRF-条件随机场

#1 应用实例
在给照片分类时，考虑相邻照片的标签信息

#2 定义特征函数函数集合，给标注序列打分。
特征函数：

句子s（就是我们要标注词性的句子）
i，用来表示句子s中第i个单词
l_i，表示要评分的标注序列给第i个单词标注的词性
l_i-1，表示要评分的标注序列给第i-1个单词标注的词性
它的输出值是0或者1,0表示要评分的标注序列不符合这个特征，1表示要评分的标注序列符合这个特征。
（线性链CRF：特征函数仅根据当前单词标签和前一个单词标签评判）

从特征函数到概率
       
        ** 指数化和标准化 **
        特征函数例子：
       
         当l_i-1是介词，l_i是名词时，f3 = 1，其他情况f3=0。λ3也应当是正的，并且λ3越大，说明我们越认为介词后面应当跟一个名词。
          其他补充
          1  HMM
         
           p(l_i|l_i-1)是转移概率，比如，l_i-1是介词，l_i是名词，此时的p表示介词后面的词是名词的概率。p(w_i|l_i)表示发射概率（emission probability），比如l_i是名词，w_i是单词“ball”，此时的p表示在是名词的状态下，是单词“ball”的概率。
          * 每一个HMM模型都等价于某个CRF*
          ** CRF优点**
          1 丰富的特征函数     2 使用任意权重
         
          作者：milter链接：https://www.jianshu.com/p/55755fc649b1来源：简书著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。