大道至简 —— 白话条件随机场Conditional Random Fields

目录

前言

一个例子

回到词性标注

啥是词性标注？

怎么判断一个标注序列靠谱不靠谱呢？

定义CRF中的特征函数

从特征函数到概率

几个特征函数的例子

前言

李航大佬的《统计学习方法》相信很多人都拜读过，在条件随机场那章有非常多的理论证明和公式推导，非常之抽象，因此理解起来也比较困难。那么今天，我将会用一种大白话的方式将条件随机场具象化，让这玩意儿没有任何学习壁垒。

一个例子

假如你有小明同学一天内不同时段的照片，从小明起床到睡觉各个时间段都有。现在我们的任务是对这些照片进行分类，比如照片1是吃饭，那就给照片1打上吃饭的标签；照片2是睡觉，那就给照片2打上睡觉的标签；照片3是学习，那就给照片3打上学习的标签。但是，既然要分类，人工分类的效率毫无疑问是最慢的，那么你应该如何构建一个模型对其进行分类？

一个简单直观的办法就是，不管这些照片之间的时间顺序，想办法训练出一个多元分类器。就是用一些打好标签的照片作为训练数据，训练出一个模型，直接根据照片的特征来分类。例如，如果照片是早上6:00拍的，且画面是黑暗的，那就给它打上睡觉的标签;如果照片上有车，那就给它打上开车的标签。

这样可行吗？

乍一看可以！但实际上，由于我们忽略了这些照片之间的时间顺序这一重要信息，我们的