点击上方，选择星标或置顶，每天给你送干货
！
阅读大概需要12分钟
跟随小博主，每天进步一丢丢
来自：数论遗珠
本文需要的前序知识储备是：隐马尔科夫模型HMM。
实际上HMM和CRF的学习没有先后顺序。但是两者很相似，在学习了HMM后更容易上手CRF，所以建议先学习HMM后学习CRF。
1 CRF概述
1.1随机场的定义
在这一小节，我们将会由泛化到特例，依次介绍随机场、马尔科夫随机场、条件随机场、线性链条件随机场的概念。
（1）随机场是一个图模型，是由若干个结点（随机变量）和边（依赖关系）组成的图模型，当给每一个结点按照某种分布随机赋予一个值之后，其全体就叫做随机场。
（2）马尔科夫随机场是随机场的特例，它假设随机场中任意一个结点的赋值，仅仅和它的邻结点的取值有关，和不相邻的结点的取值无关。用学术语言表示是：满足成对、局部或全局马尔科夫性。
（3）条件随机场CRF是马尔科夫随机场的特例，它假设模型中只有X（输入变量，观测值）和Y（输出变量，状态值）两种变量。输出变量Y构成马尔可夫随机场，输入变量X不具有马尔科夫性。
（4）线性链条件随机场，是状态序列是线性链的条件随机场。
注1：马尔科夫性：随机过程中某事件的发生只取决于它的上一事件，是“无记忆”过程。
我们的应用领域是NLP，所以本文只针对线性链条件随机场进行讨论。
线性链条件随机场有以下性质：
（1）对于状态序列y，y的值只与相邻的y有关系，体现马尔科夫性。
（2）任意位置的y与所有位置的x都有关系。
（3）我们研究的线性链条件随机场，假设状态序列Y和观测序列X有相同的结构，但是实际上后文公式的推导，对于状态序列Y和观测序列X结构不同的条件随机场也适用。
（4）观测序列X是作为一个整体，去影响状态序列Y的值，而不是只影响相同或邻近位置（时刻）的Y。
（5）线性链条件随机场的示意图如下：
注二：李航老师的《统计学习方法》里，使用了两种示意图来描述线性链条件随机场，一种是上文所呈现的，这张图更能够体现性质（4），另一种如下图，关注点是X和Y同结构：
1.2CRF的应用
线性链条件随机场CRF是在给定一组随机变量X（观测值）的条件下，获取另一组随机变量Y（状态值）的条件概率分布模型。在NLP领域，线性链条件随机场被广泛用于标注任务（NER、分词等）。
1.3 构建CRF的思路（重要）
我们先给出构建CRF模型的核心思路，现在暂不需要读懂这些思路的本质思想，但是我们要带着这些思路去阅读后续的内容。
（1）CRF是判别模型，是黑箱模型，不关心概率分布情况，只关心输出结果。
（2）CRF最重要的工作，是提取特征，构建特征函数。
（3）CRF使用特征函数给不同的标注网络打分，根据分数选出可能性最高的标注网络。
（4）CRF模型的计算过程，使用的是以e为底的指数。这个建模思路和深度学习输出层的softmax是一致的。先计算各个可能情况的分数，再进行softmax归一化操作。
2 CRF模型的概率计算
（对数学公式推导没兴趣的童鞋，只需要看2.1和2.2）
2.1 标记符号和参数
先约定一下CRF的标记符号：
观测值序列：
状态值序列：
转移（共现）特征函数及其权重：
状态（发射）特征函数及其权重：
简化后的特征函数及其权重：
特征函数t的下标：k1
特征函数s的下标：k2
简化后的特征函数f的下标：k
2.2 一个栗子
在进行公式推导前，我们先通过一个直观的例子，初步了解下CRF。
例：输入观测序列为X=(x1,x2,x3)，输出状态序列为Y=(y1,y2,y3)，状态值集合为{1,2}。在已知观测序列后，得到的特征函数如下。求状态序列为Y=(y1,y2,y3)=(1,2,2)的非规范化条件概率。
解：参照状态序列取值和特征函数定义，可得特征函数t1，t5，s1，s2，s4取值为1，其余特征函数取值为0。乘上权重后，可得状态序列(1,2,2)的非规范化条件概率为：1+0.2+1+0.5+0.5=3.2
2.3特征函数
在这一小节，我们描述下特征函数，以及它的简化形式和矩阵形式。
（1）线性链条件随机场的原始参数化形式
分数：
归一化概率：
其中，归一项为：
t为定义在边上的特征函数，通常取值0或1，依赖于两个相邻结点的状态，λ为其权重。t有时被称为转移特征，其实称为共现特征更合适些。因为图模型更强调位置关系而不是时序关系。
s为定义在节点上的特征函数，通常取值0或1，依赖于单个结点的状态，μ为其权重。s有时被称为状态特征。
需要强调的是：CRF模型中涉及的条件概率，不是真实的概率，而是通过分值softmax归一化成的概率。
（2）线性链条件随机场的简化形式
特征函数：
权重：
对特征函数在各个位置求和，将局部特征函数转化为全局特征函数：
归一化概率：
向量化：
（3）线性链条件随机场的矩阵形式
构建矩阵Mi(x)。位置i和观测值序列x是矩阵的自变量。
矩阵的维度是m*m，m为状态值y的集合的元素个数，矩阵的行表示的是位置i-1的状态，矩阵的列表示的是位置i的状态，矩阵各个位置的值表示位置i-1状态和位置i状态的共现分数，并以e为底取指数。
2.4 前向后向算法
（1）前向算法模型
（a）αi(yi=s|x)表示状态序列y在位置i取值s，在位置1~i取值为任意值的可能性分数的非规范化概率。
定义：
（b）递归公式：
（c）人为定义：
（d）归一项：
（2）后向算法模型
（a）βi(yi=s|x)表示状态序列y在位置i取值s，在位置i+1~n取值为任意值的可能性分数的非规范化概率。
定义：
（b）递归公式：
（c）人为定义：
（d）归一化项：
注：在前向算法和后向算法中，人为地定义了α(0)和β(n+1)，采用的是李航老师书里的定义方法。但是，我认为采用先验概率（类似HMM中的初始概率分布）或者全部定义成1更合适。因为这里的概率模型应该表现得更通用一点，而不要引入实际预测序列的第一项和最后一项的信息。
2.5 一些概率和期望的计算
（1）两个常用的概率公式
状态序列y，位置i的取值为特定值，其余位置为任意值的可能性分数的归一化条件概率：
状态序列y，位置i-1，i的取值为特定值，其余位置为任意值的可能性分数的归一化条件概率：
（1）两个常用的期望公式
特征函数f关于条件分布P(Y|X)的数学期望：
特征函数f关于联合分布P(X,Y)的数学期望：
3 CRF模型的训练和预测
3.1学习训练问题
CRF模型采用正则化的极大似然估计最大化概率。
采用的最优化算法可以是：迭代尺度法IIS，梯度下降法，拟牛顿法。
相应的知识可以通过最优化方法的资料进行学习，本文篇幅有限，就不作展开了。
3.2预测解码问题
和HMM完全一样，采用维特比算法进行预测解码，这里不作展开。
4 CRF的优缺点（重要）
4.1CRF相对于HMM的优点
（1）规避了马尔科夫性（有限历史性），能够获取长文本的远距离依赖的信息。
（2）规避了齐次性，模型能够获取序列的位置信息，并且序列的位置信息会影响预测出的状态序列。
（3）规避了观测独立性，观测值之间的相关性信息能够被提取。
（4）不是单向图，而是无向图，能够充分提取上下文信息作为特征。
（5）改善了标记偏置LabelBias问题，因为CRF相对于HMM能够更多地获取序列的全局概率信息。
（6）CRF的思路是利用多个特征，对状态序列进行预测。HMM的表现形式使他无法使用多个复杂特征。
4.2条件随机场CRF的缺点
（1）CRF训练代价大、复杂度高。
（2）每个特征的权重固定，特征函数只有0和1两个取值。
（3）模型过于复杂，在海量数据的情况下，业界多用神经网络。
（4）需要人为构造特征函数，特征工程对CRF模型的影响很大。
（5）转移特征函数的自变量只涉及两个相邻位置，而CRF定义中的马尔科夫性，应该涉及三个相邻位置。
4.3标记偏置LabelBias
在HMM中的体现：对于某一时刻的任一状态，当它向后一时进行状态刻转移时，会对转移到的所有状态的概率做归一化，这是一种局部的归一化。即使某个转移概率特别高，其转移概率也不超过1。即使某个转移概率特别低，如果其它几个转移概率同样低，那么归一化后的转移概率也不会接近0。
在CRF被规避的原因：CRF使用了全局的归一化。在进行归一化之前，使用分数来标记状态路径的可能性大小。待所有路径所有位置的分数都计算完成后，再进行归一化。某些某个状态转移的子路径有很高的分数，会对整条路径的概率产生很大的影响。
5 基于TensorFlow的BiLSTM-CRF
BiLSTM-CRF是当前用得比较广泛的序列标注模型。
BiLSTM-CRF模型由BiLSTM和CRF两个部分组成。
BiLSTM使用的是分类任务的配置，最终输出一个标注好的序列。也就是说，即使没有CRF，BiLSTM也能独立完成标注任务。
CRF接收BiLSTM输出的标注序列，进行计算，最后输出修正后的标注序列。
TensorFlow提供了CRF的开发包，路径为：tf.contrib.crf。需要强调的是，TensorFlow的CRF，提供的是一个严重简化后的CRF，和原始CRF差异较大。虽然减小了模型复杂度，但是在准确率上也一定会有所损失。
下面简要介绍下TensorFlow中CRF模块的几个关键函数。
（1）crf_log_likelihood
BiLSTM模块输出的序列，通过参数inputs输入CRF模块。
CRF模块通过crf_sequence_score计算状态序列可能性分数，通过crf_log_norm计算归一化项。
最后返回log_likelihood对数似然。
（2）crf_sequence_score
crf_sequence_score通过crf_unary_score计算状态特征分数，通过crf_binary_score计算共现特征分数。
（3）crf_unary_score
crf_unary_score利用掩码的方式，计算得出一个类似交叉熵的值。
（4）crf_binary_score
crf_binary_score构造了一个共现矩阵transition_params，表示不同状态共现的概率，这个矩阵是可训练的。最后通过共现矩阵返回共现特征分数。
（5）crf_log_norm
归一化项。
知乎文章地址：
https://zhuanlan.zhihu.com/p/87638630
由于微信公众号文章有修改字数的限制，故本文后续的纠错和更新将呈现在知乎的同名文章里。
参考文献
[1] 李航 统计学习方法 清华大学出版社
[2] 条件随机场CRF(一/二/三) 刘建平Pinard https://www.cnblogs.com/pinard/p/7048333.html
方便交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。
方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。
记得备注呦
推荐阅读：
【ACL 2019】腾讯AI Lab解读三大前沿方向及20篇入选论文
【一分钟论文】IJCAI2019 | Self-attentive Biaffine Dependency Parsing
【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译
【一分钟论文】Semi-supervised Sequence Learning半监督序列学习
【一分钟论文】Deep Biaffine Attention for Neural Dependency Parsing
详解Transition-based Dependency parser基于转移的依存句法解析器
让更多的人知道你“在看”
扫一扫
548
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
