← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9301.b · 生成模型:GPT-6

全局归一比较完整标签序列

理解等级:中级

线性链CRF对整条标签序列的总分取指数,再除以所有标签序列的总和Z(x)。局部分数或转移势不必各自归一,因此不同于每一步独立做softmax。合并状态与转移特征只是记号统一,不改变预测目标。

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

      (3)简化后的CRF可以表示为如下形式。 (4.6.6) (4.6.7) (4)将f (y ,x )写成向量的形式。 F (y ,x )={f 1 (y ,x ),f 2

    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:摘录中关于全局归一比较完整标签序列的定义、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:(3)简化后的CRF可以表示为如下形式。 (4.6.6) (4.6.7) (4)将f (y ,x )写成向量的形式。 F (y ,x )={f 1 (y ,x ),f 2