tensorflow中的CRF

先说说本文背景，是作者需要用bilstm+crf实现sequences labeling,因此调研了tensorflow中如何实现CRF。

几个方法

• tf.contrib.crf.crf_log_likelihood

crf_log_lmelihood （
inputs ，
tag_indices ，
sequence_lengths ，
transition_params = None
）

计算 CRF 中标签序列的对数似然。

ARGS：
inputs：用作 CRF 层输入的一元电位 [batch_size，max_seq_len，num_tags] 张量。
tag_indices：我们计算对数似然的标签索引的 [batch_size，max_seq_len] 矩阵。
sequence_lengths：真正序列长度的 [batch_size] 矢量。
transition_params：一个 [num_tags，num_tags] 转换矩阵，如果可用。

返回：

log_likelihood：包含给定序列标签索引的对数似然的标量。
transition_params：一个 [num_tags，num_tags] 转换矩阵。这是由调用者提供或在此函数中创建的。

• tf.contrib.crf.viterbi_decode
  解码 TensorFlow 之外的标记的最高得分序列。这只能在测试时使用。

ARGS：
score：一元电位的 [seq_len，num_tags] 矩阵。
transition_params：二进制电位的 [num_tags，num_tags] 矩阵。

返回：
viterbi：包含最高得分标记索引的 [seq_len] 整数列表。
viterbi_score：包含维特比序列得分的浮点数。