最近工作中接触到了CRF算法以及CRF++,于是乎,去了解了关于这些的一系列的东西,打算总结总结CRF算法里的模板问题。
我们知道,深度学习(Deeplearning)是不需要特征模板的,它会自己学习里边的规律,而CRF则是需要特征模板的,所以,选择什么样的特征模板是至关重要的。
概念:
CRF中一共存在两种模板:U-gram和B-gram
U-gram:也就是Unigram template,它描述了unigram feature。
一元模板,表示只与当前位置对应的标签相关的特征
if (output = B and feature="U02:那")
return 1
else
return 0
B-gram:也是Bigram template。
二元模板,表示前一个位置和当前位置对应的标签相关的特征
当类别数很大的时候,这种类型会产生许多可区分的特征,这将会导致训练和测试的效率都很低下。
实例解释:
实例如下: