條件隨機場(crf)是給定一組輸入隨機變數x的條件下另一組輸出隨機變數y的條件概率分布模型，其特點是假設輸出隨機變數構成馬爾科夫隨機場。實際上是定義在時序資料上的對數線性模型。條件隨機場屬於判別模型。
概率圖模型是由無向圖表示的聯合概率分布，概率無向圖模型的最大特點是易於因子分解。
團：無向圖g中任何兩個節點均有邊連線的節點子集。
最大團：是團並且不能再加進去任何乙個g的節點使其成為乙個更大的團。
前向-後向演算法計算條件隨機場的概率問題。條件隨機場學習方法(求解引數問題)有：極大似然估計和正則化的極大似然估計。條件隨機場的**演算法(給定條件隨機場p(y|x)和輸入序列x，求條件概率最大的輸出序列y*的過程)是維特比演算法，類似於hmm。
條件隨機場可以看做是最大熵馬爾可夫模型在標註問題上的推廣。
CRF條件隨機場
crf即條件隨機場 conditional random fields 是在給定一組輸入隨機變數條件下另外一組輸出隨機變數的條件概率分布模型，它是一種判別式 理解一些和生成模型的區別 的概率無向圖模型，既然是判別式，那就是對條件概率分布建模。一 概率無向圖模型 概率無向圖模型是由無向圖表示的聯合概率...
條件隨機場CRF原理
對於crf一直很嚮往，專門花了一些時間去查詢資料，一步一步弄明白了crf的基本原理，下面把crf部分核心寫了出來，時間倉促，很多細節沒有寫出來，後續會慢慢完善。而且crf需要用到很多的基礎知識，比如無向圖 有向圖，判別式 生成式，最大團等等概念，所以想要徹底的理解crf，必須弄明白這些基礎知識。當然...
條件隨機場（CRF）及CRF 安裝使用
這個，終於到了要解決命名實體識別的問題，搞自然語言處理，貌似這個繞不開的。crf，傳統的幹這活的利器，聽名字就是高大上。既然繞不開，那就整整吧。crf是用來標註和劃分序列結構資料的概率化結構模型。言下之意，就是對於給定的輸出，標識序列y和觀測序列x，條件隨機場通過定義條件概率p y x 而不是聯合概...