← 返回刚才阅读的位置

知识卡片

结构图卡 · 9295.c · 生成模型:GPT-6

四类概率模型的关系

理解等级:中级

结构图:

flowchart LR
 NB[朴素贝叶斯 联合建模] -->|扩展到状态序列的类比| HMM[隐马尔科夫模型]
 ME[最大熵 条件建模] -->|扩展为链上的联合标签条件分布| CRF[线性链条件随机场]
 HMM -->|比较观测假设与训练目标| CRF

这是教学类比,不代表每个模型都是从前者机械复制而来。比较时需同时看预测对象、归一范围与独立假设。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      如果隐马尔科夫模型是朴素贝叶斯模型的序列化模型扩展,则条件随机场可以理解为最大熵模型的序列化扩展。这两个最大熵模型和条件随机场模型称为判别式方法。这些图模型的比较在图4.6中已给出。后面的内容将逐一详细介绍隐马尔科夫模型、最大熵模型和条件随

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第04章《NLP中的概率图模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00009.html) - 结论依据:摘录中关于四类概率模型的关系的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:如果隐马尔科夫模型是朴素贝叶斯模型的序列化模型扩展,则条件随机场可以理解为最大熵模型的序列化扩展。这两个最大熵模型和条件随机场模型称为判别式方法。这些图模型的比较在图4.6中已给出。后面的内容将逐一详细介绍隐马尔科夫模型、最大熵模型和条件随