实习点滴（3）--以“词性标注”为例理解CRF算法

        看了CRF相关的东西好几天了，现在也过来总结总结。我本人喜欢以讲故事的方式阐述一些东西，纯理论总是很抽象，而且很容易让人失去耐心。那就以“词性标注”为切入点，去理解一下CRF（Conditional Random Field）条件随机场的算法原理（难免有不对或者不全的地方，持续更新）。

      相关定义：

        CRF（Conditional Random Field）条件随机场模型是一种典型的判别式模型，它在观测序列的基础上对目标序列进行建模，重点解决“序列化标注问题”。言下之意，就是给定的输出识别序列Y和观测序列X，通过定义条件概率P(Y|X)来描述模型。

      特点长处：

        条件随机场模型既具有判别式模型的优点，又具有产生式模型考虑到的上下文标记间的转移概率。以序列化形式进行全局参数优化和解码的特点，解决了其他判别式模型难以避免的标记偏执问题。

      应用场景：

        可以用于“序列标记”、“数据分割”、“组块分析”等自然语言处理任务。在“中文分词”、“中文人名识别”、“歧义消除”等任务中表现很好。