- 1、本文档共60页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
目录1.概率无向图模型2.条件随机场的定义与形式3.条件随机场的概率计算问题4.条件随机场的学习算法5.条件随机场的预测算法
目录
1. 概率无向图模型
2. 条件随机场的定义与形式
3. 条件随机场的概率计算问题
4. 条件随机场的学习算法
5. 条件随机场的预测算法
一、概率无向图模型
概念:
概率无向图模型(probabilistic undirected graphical model)
马尔可夫随机场(Markov random field)
可以由无向图表示的联合概率分布。
模型定义
Graph
Node
Edge
v, 集合V
e ,集合E
G= (V ,E )
结点v ,随机变量Y ;边e ,随机变量间的概率依赖关系
v
概率图模型(Probabilistic graphical model): 用图表示的
概率分布。
模型定义
定义:
给定一个联合概率分布P(Y)和表示它的无向图G,
定义无向图表示的随机变量之间存在的
成对马尔可夫性(pairwise Markov property)
局部马尔可夫性( local Markov properly)
全局马尔可夫性(global Markov property)
模型定义
成对马尔可夫性(Pairwise Markov property)
设u和v是无向图G 中任意两个没有边连接的结点,结点u
和v分别对应随机变量Yu和Yv ,
其他所有结点为O,对应的随机变量组是Y0
给定随机变量组Y0 的条件下随机变量Yu和Yv是条件独立
的
模型定义
局部马尔可夫性( Local Markov properly)
v 任意结点
W与v有边相连
O 其它
在 时,等价于
模型定义
全局马尔可夫性(Global Markov property)
结点集合A, B是在无向图G 中被结点集合C分开的任意结
点集合,
模型定义
概率无向图模型:
设有联合概率分布P(Y), 由无向图G=(V, E)表示,在图G 中,
结点表示随机变量,边表示随机变量之间的依赖关系,
如果联合概率分布P(Y)满足成对、局部或全局马尔可夫性,
就称此联合概率分布为概率无向图模型(probability
undirected graphical model),或马尔可夫随机场(Markov
random field).
问题关键:求联合概率,引申为对联合概率进行因子分
解。
概率无向图模型的因子分解
定义:团、最大团
无向图G 中任何两个结点均有边连接的结点子集称为团
(clique) 。
若C是无向图G的一个团,井且不能再加进任何一个c 的
结点使其成为一个更大的团,则称此C为最大团
(maximal clique).
两个结点的团 ?
三个结点的团 ?
概率无向图模型的因子分解
将概率无向图模型的联合概率分布表示为其最大团上的
随机变量的函数的乘积形式的操作,称为概率无向图模
型的因子分解(Factorization).
给定概率无向图模型,设其无向图为G,C为G上的最
大团,Yc表示C对应的随机变量,那么概率无向图模型
的联合概率分布P(Y)可写作图中所有最大团C上的函数
.的乘积形式,即
Z是规范化因子(normalization factor)
概率无向图模型的因子分解
势函数:
定理11.1 (Hammersley-Clifford定理):概率无向图模型
的联合概率分布P(Y)可以表示为如下形式:
二、条件随机场的定义与形式
条件随机场(conditional random field)的定义:
给定随机变量X条件下,随机变量Y 的马尔可夫随机场。
定义在线性链上的特殊的条件随机场:
线性链条件随机场(linear chain conditional random field )
线性链条件随机场可以用于标注等问题;
在条件概率模型P(Y |X) 中,Y是输出变量,表示标记序列,
X是
文档评论(0)