- 博客(4)
- 收藏
- 关注
RSS订阅原创 BILSTM-CRF原理介绍与tensorflow实现
1. 引言 在自然语言处理中，很多任务都涉及到序列标注，比如词性标注、分词、命名实体识别等，这些任务都有一个特点是输入序列和标签序列是等长的，因此，常用的解决方法有HMM、MEMM、CRF等，本文将介绍一个2015年提出来的非常经典模型，即BILSTM-CRF模型，该模型现在已经成为命名实体识别、词性标注、分词等任务的主流模型。论文地址：《Bidirectional LSTM-CRF ...
2019-06-25 20:21:23
9236
1
原创 条件随机场原理介绍
1. 引言 条件随机场（Conditional random field，CRF）是给定一组输入随机变量条件下另一组输出随机变量的条件概率分布模型，其特点是假设输出随机变量构成马尔可夫随机场。条件随机场常用于序列标注问题，比如命名实体识别等。本文主要介绍线性链条件随机场。2. 条件随机场原理介绍2.1 概率无向图模型 由于CRF要求输出随机变量构成马尔可夫随机场，因此，这一节先...
2019-06-14 11:07:02
16317
3
原创 隐马尔可夫模型原理介绍
1. 引言 隐马尔可夫模型（Hidden Markov Model，HMM）是可用于标注问题的统计学习模型，描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型，以下统一用简称HMM表示。HMM在语音识别、自然语言处理等都有着广泛的应用。2. HMM原理介绍2.1 HMM模型的定义 HMM模型是关于时序的概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，...
2019-06-12 15:43:27
1898
原创 EM算法原理介绍
1. 引言 EM算法是Dempster等人在1977年提出来的一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计或极大后验概率估计。EM算法的每次迭代由两步组成：E步，求期望；M步，求极大，因此，该算法也被称为期望极大算法，简称EM算法。2. EM算法原理介绍2.1 EM算法的原理 一般地，用YYY表示观测随机变量的数据，ZZZ表示隐随机变量的数据，YYY和ZZZ连在一起...
2019-06-11 15:31:53
1968
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人