知识卡片
条件似然学习对比特征统计
CRF训练最大化真实标签序列的条件对数似然,总分减去logZ。其梯度比较实际特征计数与当前模型期望,后者可由前后向边缘计算。书中从平均经验似然切到样本求和时缺比例说明,参数更新向量δ也不等同单个学习率。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
4.6.5 CRF的参数学习 根据训练数据集合(x ,y ),可以求出经验概率分布P (x ,y ),然后使用极大似然估计给出目标函数。这里未知数是w 。 (4.6.12) 通过似然函数w 变量的下界,给定学习速率δ ,通过迭代法寻求最优的
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:摘录中关于条件似然学习对比特征统计的定义、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:4.6.5 CRF的参数学习 根据训练数据集合(x ,y ),可以求出经验概率分布P (x ,y ),然后使用极大似然估计给出目标函数。这里未知数是w 。 (4.6.12) 通过似然函数w 变量的下界,给定学习速率δ ,通过迭代法寻求最优的