第三章 条件随机场
结构化预测:条件随机场的概率方法
定义:1.预测多个互相依赖的变量
2.x->y={y0,y1...yT}
以词性标注为例,ys表示s处的词性,xs表示s处的各种信息。
结构化预测:每个位置s做一个独立的分类器。(复杂的依赖,复杂的结构)
表示依赖关系:图模型,因子化等价于条件独立性。产生式的图模型,判别式的图模型(条件随机场CRF)
CRF工具包
建立模型(modeling)
图模型:贝叶斯统计,NLP,CV
无向模型:兼容性函数。partition funtion 配分函数
因子图(factor graph)
通过通常的无向图模型(也叫Markov网络)来展示
因子化表达的不确定性 因子图等价于因子化表达式
有向模型:
1<-2->3<-4 p(1|2)p(2)p(3|2,4)p(4)