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。
建议收藏 | NLP全路径学习推荐
机器学习与推荐算法
0+阅读 · 2022年6月8日
【建议收藏】NLP全路径学习推荐
图与推荐
0+阅读 · 2022年6月2日
Efficient GlobalPointer:少点参数,多点效果
PaperWeekly
1+阅读 · 2022年2月11日
万字综述!命名实体识别(NER)的过去和现在
PaperWeekly
0+阅读 · 2021年10月29日
ACL'21 | 弱标签的垃圾数据,也能变废为宝!
夕小瑶的卖萌屋
0+阅读 · 2021年7月28日
【论文解读】如何在只有词典的情况下提升NER落地效果
深度学习自然语言处理
3+阅读 · 2021年1月5日
条件随机场知识整理(超长文!)
AINLP
2+阅读 · 2020年12月28日
全景分割研究综述
专知
0+阅读 · 2020年12月25日
导师让我三天复现NLP顶会,不然就...
AINLP
0+阅读 · 2020年12月4日
老板让我三天复现NLP顶会,不然就...
专知
1+阅读 · 2020年12月4日
工业级命名体识别经验+代码总结
AINLP
2+阅读 · 2020年10月2日
机器学习入门、核心模型、项目实战,一文搞懂
计算机视觉life
0+阅读 · 2020年9月21日
流水的NLP铁打的NER:命名实体识别实践与探索
深度学习自然语言处理
1+阅读 · 2020年8月31日
参考链接
微信扫码咨询专知VIP会员