一.相关概念
-
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。 -
马尔可夫随机场(概率无向图模型)
-
马尔可夫性
!](https://img-blog.csdnimg.cn/direct/d473af67b83f45939099cf886684a72c.png) -
标准定义
![!.](https://img-blog.csdnimg.cn/direct/231e99ddc2874dcab542b435e4d872e0.png) -
团与最大团
-
线性链条件随机场
-
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。
-
线性链条件随机场的参数化形式
-
例题
-
条件随机场的简化形式
-
条件随机场的矩阵形式
-
例题
二.概率计算问题
- 前向-后向算法
三.学习算法
略
四.预测算法
- 维特比算法