知识卡片
固定输入解码可略去配分函数
对同一输入x比较标签序列时,Z(x)相同,故可最大化未归一的线性总分。在线性链局部分解成立时可用Viterbi动态规划;最后仍要保存并回溯前驱,而非只取末位最佳标签就得到完整序列。
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
4.6.6 CRF预测标签 给定条件随机场P (Y |X )和输入序列x ,求条件概率最大的输出序列(标记序列)y * ,即对观测序列进行标注。这一过程仍旧使用HMMs的Viterbi算法。 优化目标函数: 推导之后可知,CRF的预测问题就
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:摘录中关于固定输入解码可略去配分函数的定义、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:4.6.6 CRF预测标签 给定条件随机场P (Y |X )和输入序列x ,求条件概率最大的输出序列(标记序列)y * ,即对观测序列进行标注。这一过程仍旧使用HMMs的Viterbi算法。 优化目标函数: 推导之后可知,CRF的预测问题就