本文介绍了条件随机场（CRF）模型在序列标注任务中的使用，包括对数线性模型、特征函数和参数训练。CRF解决了结构化预测问题，考虑了相邻标签的影响，适用于词性标注等任务。在训练中，采用最大似然估计并可能结合正则化，以优化预测性能。
文章：Log-linear models and conditional random fields
一、对数线性模型
模型对x下y的条件概率建模。
Fj(x,y)为特征函数，是x与y的对应性度量，每种特征都表征一种不同类型的对应性。相关的参数，是权重，表示该特征函数的影响。wj=0表示Fj与y的预测无关。人定义特征函数，算法学习权重表示。
Z(x,w)为标准化因子（需要计算标准分数时候用到）
模型预测标签：（x下最大概率标签）
条件概率模型可简化为下面的形式：
这种形式也称为softmax函数
二、特征函数
1. 是什么
特征函数表示一种映射关系，
最低0.47元/天 解锁文章
扫一扫
104
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
