条件随机场.pptVIP

3.模型推断 条件随机场 3.模型推断 条件随机场 因为p(y|x,λ)实际上是从开始节点到结点节点的一条路径的概率，所以有： 其中Z(x)为归一化因子，为所有路径概率的和，表达式如下： 条件随机场 CRF简单评价： 条件随机场使用一种概率图模型，具有表达长距离依赖性和交叠性特征的能力，能够较好地解决标注（分类）偏置等问题的优点，而且所有特征可以进行全局归一化，能够求得全局的最优解。 缺点：模型训练时收敛速度比较慢。 条件随机场 CRF应用领域： 条件随机场的本质是通过给定的观察序列求一组对应的状态序列的过程。 词性标注 机器翻译 语音识别 动作识别 ………. 条件随机场 CRF研究方向： 1.复杂拓扑结构的CRF (skip-CRFs ,层叠CRFs) 2.模型训练和推断的快速算法 3.CRF模型特征的选择和归纳 条件随机场 参考文献： An Introduction to Conditional Random Fields for Relational Learning Conditional Random Fields An Introduction Conditional Random Fields for Activity Recognition Conditional random fields Probabilistic model