看了crf相關的東西好幾天了，現在也過來總結總結。我本人喜歡以講故事的方式闡述一些東西，純理論總是很抽象，而且很容易讓人失去耐心。那就以「詞性標註」為切入點，去理解一下crf（conditional random field）條件隨機場的演算法原理（難免有不對或者不全的地方，持續更新）。
crf（conditional random field）條件隨機場模型是一種典型的判別式模型，它在觀測序列的基礎上對目標序列進行建模，重點解決「序列化標註問題」。言下之意，就是給定的輸出識別序列y和觀測序列x，通過定義條件概率p(y|x)來描述模型。
條件隨機場模型既具有判別式模型的優點，又具有產生式模型考慮到的上下文標記間的轉移概率。以序列化形式進行全域性引數優化和解碼的特點，解決了其他判別式模型難以避免的標記偏執問題。
可以用於「序列標記」、「資料分割」、「組塊分析」等自然語言處理任務。在「中文分詞」、「中文人名識別」、「歧義消除」等任務中表現很好。
首先，需要將分詞語料的標註符號轉化為用於命名實體序列標註的標記。
其次，確定特徵模板，一般採用當前位置的前後n個位置的字及其標記表示，即以當前位置的前後n個位置範圍內的子串及其標記作為觀察視窗（一般n取2~3）
然後，得到相應的特徵函式
最後，剩下的工作就是訓練crf模型的引數λ0
詞性標註，顧名思義，就是說一句話中**出各個片語的詞性（比如：動詞、名詞、形容詞、介詞等等）。
以一句話：「我們是中國人」為例，通過片語分割後的結果就是：「我們(n)/是(v)/中國人(n)」（這裡相當於是訓練資料，這樣的訓練資料假設我們有1000條）
假設我們的label有5個：（當然還有很多，這裡點到為止）
現在給出乙個特徵模板：以當前位置為起始，向後，以n=2為滑動視窗，即：當前詞和接下來的乙個詞為乙個特徵模板（假設我們類似的特徵模板有7個）
準備好了嗎？要開始解釋公式部分了，該部分請對照crf的公式。
其中，函式t()代表轉移函式，而函式s()代表狀態函式；j是模板序列號（一種模板有一種轉移特徵函式），k是標籤個數（乙個標籤有乙個狀態函式）
來說說什麼是「狀態函式」吧，狀態函式則表示在標註序列中第i個位置標記(（以模板序列為段）某個label的概率。（第i個位置就有5個引數）
再來說說什麼是「轉移函式」吧，就是在標註序列中第i個位置是某個label到另乙個label的概率，這些概率都是基於統計頻數計算的。（第i個位置就有5*5個引數）
簡單理解函式宣告 以signal函式為例
signal 幾乎所有c語言程式的實現過程中都要用到signal函式，作為捕獲不同步的一種方式。我們使用者要呼叫signal函式，可以這樣使用，首先在標頭檔案中加入 include,然後我們可以這樣呼叫signal函式 signal signal type,sighandler t hander 這...
轉置卷積個人理解（以pytorch為例）
直觀理解就是卷積的反向操作，比如4 4的用3 3的卷積核卷積，s 1，p 0，得到2 2的大小，反卷積就是要使輸入2 2的輸出為4 4的。在pytorch使用 class torch.nn.convtranspose2d in channels,out channels,kernel size,st...
BTARN 接收訊息流以3A7為例
rnmimedecoder mime 預處理器 解碼器 對rnif2.0e服務內容及附件 如有 進行解密。對於rnif1.1，對負載末尾的八字節和分離的簽名頭進行處理。rndasm 拆裝器,基於xmldesimber 1 如果某個傳入文件含有 doctype 頭，則本元件根據該頭生成乙個命名空間，然...