深入理解条件随机场：包含其原理、应用及举例。CRF 就像一个反向的隐马尔可夫模型(HMM)，两者都是用了马尔科夫链作为隐含变量的概率转移模型，只不过 HMM 使用隐含变量生成可观测状态，其生成概率有标注集统计得到，是一个生成模型；而 CRF 反过来通过可观测状态判别隐含变量，其概率亦通过标注集统计得来，是一个判别模型。由于两者模型主干相同，其能够应用的领域往往是重叠的，但在命名实体、句法分析等领域 CRF 更胜一筹。
2021-04-13 22:34:32
991KB
1
% minFunc
fprintf('Compiling minFunc files...\n');
mex minFunc/lbfgsC.c
% KPM
fprintf('Compiling KPM files...\n');
mex -IKPM KPM/repmatC.c
% crfChain
fprintf('Compiling crfChain files...\n');
mex crfChain/mex/crfChain_makePotentialsC.c
mex crfChain/mex/crfChain_inferC.c
mex crfChain/mex/crfChain_lossC2.c
2019-12-21 22:16:25
105KB
1