标注偏置问题(label bias)

CRF 相比于 maximum entropy Markov models一个很重要的特点就是避免了标注偏置问题。
什么是标注偏置问题?
在Conditional Random fields: Probabilistic Models for Segmenting and Labeling Sequence Data (http://www.cis.upenn.edu/~pereira/papers/crf.pdf)这篇论文中，有解释。

[img]http://dl.iteye.com/upload/attachment/433002/24f91c85-4590-3ae2-95a8-990deb776b40.jpg[/img]


我对这个问题的理解是：
有三个状态a,b,c,
在训练语料中，a转移b的概率，大于a转移到c的概率，造成在进行测试时，始终只能出现a到b状态。


[img]http://dl.iteye.com/upload/attachment/433026/ab3e291f-64bc-3612-8b9a-7160ba714f03.jpg[/img]

CRF 能够采用丰富的特征，其无向图的结构，能够避免这个问题。