← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9301.f · 生成模型:GPT-6

固定输入解码可略去配分函数

理解等级:中级

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?

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