c语言 svm,详解Structured SVM(转）

最近看东西，接触了一些有关Structured SVM的研究应用。

Structured

SVM可以理解为对传统SVM的一种扩展。所谓structured，是体现在svm的output上。传统的svm的输出是单变量，比如预测class

label或者regression value等等。而structured svm允许学习一个分类器来产生structured

output

label。比如说可以用在句子分词上，输出是句子分词后的结构。还有用在排序上，输入是查询和相关的文档，输出的是这些文档的一个ranking。

Cornell University的牛人Thorsten Joachims在Structured Svm的研究上做了许多工作。SVM Struct是他们设计的一个Structured

Svm的一个框架，遵循这个框架用户可以根据自己的工作，实现相应的函数，从而设计产生自己需要的Structured

SVM分类器。因此，可以把SVM Struct看作，是一组用来实现不同功能的Structured Svm分类器的API函数。利用SVM

Struct，Thorsten Joachims已经实现了一系列的Structured SVM实例，包括SVM

hmm(学习一个HMM模型，可以用来产生出入句子的分词)，SVM ranking(产生输入的排序)等等。

SVM

Struct是C语言实验的，因此要求用户在实现自己的函数时也必须用C语言完成。为了方便用户，又出现了SVM

Python，一个Python版本的SVM Struct。用户通过编写Python Module来实现不同的SVM

Struct实例，这样做虽然会在速度会有所牺牲，但却可以使用户远离一些 “non-learning-related”

的问题(比如内存管理)。

以前就听说过Structured

Learning，但只知道其大体的概念。听师兄说现在用的挺多的，于是前一段时间断断续续的看了有关这方面的一些资料，在此总结一下。

Structured Learning和Structured

SVM的学习(上)http://bubblexc.com/y2011/503/

Structured Learning和Structured

SVM的学习(下)http://bubblexc.com/y2011/547/