条件随机场（CRF）学习总结

一.相关概念

1. 定义
   条件随‍机场 （conditional random fields，简称 CRF，或CRFs），是一种判别式概率模型，是随机场的一种，常用于标注或分析序列资料，如自然语言文字或是生物序列。条件随机场是条件概率分布模型 P(Y|X) ，表示的是给定一组输入随机变量 X 的条件下另一组输出随机变量 Y 的条件概率分布模型，其特点是假设输出随机变量Y构成马尔可夫随机场。

2. 马尔可夫随机场（概率无向图模型）

3. 马尔可夫性
   
   !](https://img-blog.csdnimg.cn/direct/d473af67b83f45939099cf886684a72c.png)

4. 标准定义
   

5. 团与最大团
   
   

6. 线性链条件随机场
   

7. 实例
   假设我们有Bob一天从早到晚的一系列照片，猜这一系列的每张照片对应的活动，比如: 工作的照片，吃饭的照片。我们发现这些照片之间的顺序其实是有很大的时间顺序关系的，比如我们现在看到了一张Bob闭着嘴的照片，那么这张照片我们怎么标记Bob的活动呢？比较难去打标记。但是如果我们有Bob在这一张照片前一点点时间的照片的话，那么这张照片就好标记了。如果在时间序列上前一张的照片里Bob在吃饭，那么这张闭嘴的照片很有可能是在吃饭咀嚼。而如果在时间序列上前一张的照片里Bob在唱歌，那么这张闭嘴的照片很有可能是在唱歌。
   

8. 线性链条件随机场的参数化形式
   

9. 例题
   

10. 条件随机场的简化形式

11. 条件随机场的矩阵形式

12. 例题

二.概率计算问题

9. 前向-后向算法
   
   

三.学习算法

略

四.预测算法

1. 维特比算法