CRF 理解
来源:互联网 发布:淘宝假链接是如何制作 编辑:程序博客网 时间:2024/05/07 16:05
CRF概念
CRF(conditional random field) 条件随机场模型是由Lafferty在2001年提出的一种典型的判别式模型. 它在观测序列的基础上对目标序列进行建模.重点解决 序列化标注的问题,条件随机场的模型既具有判别式模型的优点,又具有产生式模型考虑到上下文标记时间的转移概率, 以序列化形式进行全局参数优化和解码的特点,解决了其他判别式模型(如最大熵马尔可夫模型)难以避免的标记偏置问题.
条件随机场理论(CRFs)可以用于序列标记,数据分割,组快分析等自然语言处理任务中. 在中文分词,中文人名识别,歧义消解等汉语自然语言处理任务中都有应用,表现很好.
CRF++系统简介:优缺点
该模型是在给定需要标记的观察序列的条件下,计算整个标记的联合概率,而不是在给定当前状态下,定义一个状态的分布.标记序列为条件属性,可以让CRF很好地拟合现实数据,而在这些数据中,标记序列的条件概率依赖于观测序列中非独立的,相互作用的特征.并通过赋予特征以不同权值来表示特征的重要程度.
隐马尔可夫模型存在两个假设:输出独立性假设和马尔可夫性假设.一个最大的缺点就是由于其输出独立性假设,他要求序列数据严格相互独立才能保证推到的正确性,导致其不能考虑山下文特征,限制了特征的选择.
最大熵隐马模型则解决了这一问题,可以任意地选择特征,但由于其在每一节点都要进行归一化,所以只能找到局部的最优值,同时也带来了标记偏见的问题(label bias),即凡是训练语料中未出现的情况全部忽略掉.
条件随机场则很好地解决了这一问题,它使用了一种概率图模型,具有表达长距离依赖性和交叠性特征的能力,能较好地解决标注偏置的问题.它并不再每一个节点进行归一化,儿是所有特征进行全局归一化,因此可以求得全局的最优值.
目前条件随机场的训练和解码的开源工具还只支持链式的序列,复杂的尚不支持,而且训练时间很长,但效果好可以.
- CRF 理解
- 条件随机场理解-CRF
- crf
- CRF++
- crf
- CRF
- CRF++
- CRF
- CRF
- CRF
- CRF
- CRF序列标注模型几个问题的理解
- 关于CRF序列标注的一些理解
- 以例子给出CRF的理解
- 初学者报道(3) CRF 中文分词解码过程理解
- 机器学习之条件随机场CRF一点理解
- 如何轻松愉快地理解条件随机场(CRF)?
- 如何轻松愉快地理解条件随机场(CRF)?
- STL-<algorithm>常用函数
- centos6.X 下安装python3.5
- 《Python Web开发实战》踩地雷记17/3/26
- 快速在sublime的一个目录下新建文件
- Range Sum Query
- CRF 理解
- Mybatis之增删改查操作
- java 用栈实现快速交换两个变量值
- golang 第一天环境搭建|Goland
- 设计模式之观察者模式
- 机器学习(3):机器学习与线性代数(Linear Algebra)
- Linux下安装jdk、MySQL和tomcat
- [编程题] 最高分是多少
- 淘宝商品详情平台化思考与实践