条件随机场crf:马尔可夫随机场模型[朗读]

最基本的区别就是建模对象不同,但目的都是求出p(y|x)判别模型discriminative最大熵模型、支持向量机(svm)、提升方法、条件随机场(crf)对比1、生成模型可。

太多了,最不实用但是分类错误率最低的:贝叶斯方法.最简单的是最近邻方法,从最近邻方法又引申出现在极为流行的基于实例(或基于记忆)的方法(memorybased).经典的:隐马尔可夫模型(hmm),最大熵,条件随机场(crf,这个比较新)最流行的:winnow,bagging,adaboost等等。

|a,b|p(a,b)||--------------+---------||a=0,b=0|100||a=0,b=1|10||a=1,b=0|20||a=1,b=1|200|这个分布表示,这条边的功能是使它连接的两点(a和b)趋同,当a=0的时候b更可能等于0不太可能等于1,当a=1的时候b更可能等于1不太可能等于0.这样一来你知道了三个变量之间的联合分布,那他们两两之间的条件分布自然而然就在里面。

条件随机场(crf)由lafferty等人于2001年提出,结合了最大熵模型和隐马尔可夫模型的特点,是一种无向图模型,近年来在分词、词性标注和命名实体识别等序列标注。