知识卡片

普通读书笔记卡 · 2702.e

序列隐状态

理解等级:未标注

很多自然语言任务要从看得见的词序列推断看不见的结构,比如词性、分词边界、实体。隐马尔可夫模型把它建模为隐藏的状态序列生成可见的观察序列;条件随机场放宽了“只依赖前一状态”等假设,成为分词和命名实体识别的主流方法。共同的启发是:处理语言不能只看单个词,还要建模上下文中的状态转移。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《人工智能产品经理:人机对话系统设计逻辑探究》第3章《人工智能技术》(源文件:_epub-src/OEBPS/text00007.html) - 结论依据:原文说明HMM是双重随机过程,状态序列不可见、观察序列可见,广泛用于语音识别、词性标注等;CRF舍弃HMM的输出独立性和有限历史性假设,被广泛用于序列标注,分词、命名实体识别主流方法基于CRF。 - 原始内容:隐马尔可夫模型是一个双重随机过程,它包含两个序列:状态序列与观察序列。……区别在于隐马尔可夫模型中的状态并不可见。……目前,业内主流的分词方法正是基于CRF条件随机场模型的。