条件随机场专题（1）--CRF介绍

        CRF(Conditional Random Field) 条件随机场是近几年自然语言处理领域常用的算法之一。

      概念：

        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。

      优缺点：

        优点：条件随机场模型计算的是全局参数最优化的问题；考虑到的上下文标记间的联系。

        缺点：收敛的速度慢

      应用场景：

        可以用于“句法分析”、“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。

      CRF流程：

        首先，需要将分词语料的标注符号转化为用于命名实体序列标注的标记。
        其次，确定特征模板，一般采用当前位置的前后n个位置的字及其标记表示，即以当前位置的前后n个位置范围内的子串及其标记作为观察窗口（一般n取2~3）
        然后，得到相应的特征函数
        最后，剩下的工作就是训练CRF模型的参数λ和u

      当前的实现工具：

        CRF++、MALLET、GRMM、CRFsuite、FACTORIE