CRF&HMM模型——理论

目录

1 CRF模型 

2 HMM模型

---

1 CRF模型 

• CRF模型的输入和输出：
  • CRF(Conditional Random Fields)，中文称作条件随机场，同HMM一样，它一般也以文本序列数据为输入，以该序列对应的隐含序列为输出。
• CRF模型的作用：
  • 同HMM一样,在NLP领域, CRF用来解决文本序列标注问题.如分词,词性标注,命名实体识别。
• CRF模型使用过程简述：
  • 首先，CRF模型表示为：lambda = CRF(w1, w2,...,wn)，其中w1到wn是模型参数。
  • 接着，训练CRF模型，语料是一定数量的观测序列及其对应的隐含序列。
  • 同时，需要做人工特征工程，然后通过不断训练求得一组参数，使由观测序列到对应隐含序列的概率最大。
  • 训练后，得到具备预测能力的新模型：lambda = CRF(w1, w2,...,wn)，其中的模型参数已经改变。
  • 之后给定输入序列(×1, ×2. ... xn)，经过模型计算 lambda(x1, x2. .... xn) 得到对应隐含序列的条件概率分布。