条件随机域(场)(conditional random fields,简称 CRF,或CRFs),是一种判别式概率模型,是随机场的一种,常用于标注或分析序列资料,如自然语言文字或是生物序列。 如同马尔可夫随机场,条件随机场为具有无向的图模型,图中的顶点代表随机变量,顶点间的连线代表随机变量间的相依关系,在条件随机场中,随机变量 Y 的分布为条件机率,给定的观察值则为随机变量 X。原则上,条件随机场的图模型布局是可以任意给定的,一般常用的布局是链结式的架构,链结式架构不论在训练(training)、推论(inference)、或是解码(decoding)上,都存在效率较高的算法可供演算。
  1. 条件随机场教程(Conditional Random Field Tutorial)
  2. Kevin Chan's blog - 条件随机场CRF总结和实现
  3. 条件随机场介绍(译) Introduction to Conditional Random...
  4. 如何推导条件随机场参数估计的全过程? - 知乎
  5. crf++里的特征模板得怎么理解? - 知乎
  6. 如何用简单易懂的例子解释条件随机场(CRF...
  7. Image Segmentation with Tensorflow using CNNs and...
  8. 统计学习方法(李航)- 第11章条件随机场
  9. Conditional Random Fields
  10. 机器学习(二十九)——机器学习语录, LightGBM, Parameter...
  11. Conditional Random Fields
  12. 标签: 条件随机场 | Haoran LI's blog
  13. CRF 小结
  14. 关于随机数质量测试 | G2EX
  15. 学习笔记:条件随机场(CRF) | Glacier's Blog
  16. 《统计学习方法》笔记-条件随机场 | (*´`*) Guolz's blog
  17. Archives | (*´`*) Guolz's blog
  18. Kevin Chan's blog - Archives
  19. zhihu.com/lives
  20. 哪些 Python 库让你相见恨晚? - 知乎
展开全文
参考链接
微信扫码咨询专知VIP会员