crf 初步学习

1. 成对马尔可夫性

    无向图里面任意没有边连接的节点 u，v 其他所有节点为o ,成对马尔可夫性是指: 给定  o  的条件下 u，v 条件独立

2. 局部马尔可夫性

设无向图 G 的任一节点v ，W是与v 有边连接的所有节点，o是v, W 外的其他所有节点，局部马尔可夫性是指，给定W的条件下，v, O 条件独立

3. 全局马尔可夫性

设节点集合 A，B，是在无向图 G 中被节点集合 C 分开 的任意节点集合 ，全局马尔可夫性是指: 给定 C 的条件下 A， B 条件独立

4. 概率无向图模型，

无向图 模型的优点在于没有隐马尔科夫模型那样严格的独立性假设，同时克服了最大熵马尔可夫模型等判别式的标记偏置问题

有向图的联合概率分布

用于序列标注问题的线性链条件随机场

由输入序列来预测输出序列的判别式模型

线性链条件随机场:

 

有向图模型是一系列概率的连乘形式，无向图模型是一系列函数的连乘形式

这也是有向图模型一般用于表示生成式模型，无向图模型一般用于表示判别式模型的原因

而模型中的概率或函数是如何定义的也是非常有意思的地方，有时甚至可以通过巧妙的定义将有向图模型与无向图模型互相转换