crf.pdf

立即下载 作者: 一瓶泡沫
上传时间: 2024-12-20
关键词: 照片 标注 标签 句子 单词 名词 特征 函数 词性 随机场
大小 202.3 KB
描述
[翻译]Introduction to Conditional Random Fields
Translated by hittlle(QQ:519234757)
source: http://blog.echen.me/2012/01/03/introduction-to-conditional-random-fields/
假设你有 Justin Bieber（译注：加拿大著名歌手和作词人）一天的生活照片，你想根据每张
照片的内容给照片打标签（诸如吃饭，睡觉，开车等标签）。应该怎么做呢？
一个办法就是忽略照片之间的顺序关系，给每一张照片构建一个分类器。譬如，根据标注好
的一个月数量的照片，你可以得出早上 6 点左右拍的照片可能是表示睡觉，照片上亮色比较
多的可能表示跳舞，照片里有车可能表示正在开车等等。
这样做，你会丢掉很多有用的信息。譬如，如果有张照片里有一张紧闭的嘴，那它表示什么
呢？是表示吃饭还是唱歌呢？如果你知道这张照片的前一张照片是 Justin Bieber在吃饭或者
在做饭，那么这张照片很有可能就是在吃饭。但是，如果前一张照片是 Justin Bieber 在唱歌
或者跳舞，那么这张照片很有可能就是在唱歌。
所以，为了增加标签的可靠性，我们应该把相邻的照片考虑进来，这正是条件随机场
（Conditional Random Field, CRF）做的事。
词性标注
让我们用比较常用的词性标注为例进一步说明。
词性标注的目标就是给句子（一些列单词或记号）标上诸如形容词、名词、代词、动词、介
词，副词、冠词等标签。
譬如，给这样一个句子
Bob drank coffee at Starbucks
可能的标注会是：Bob(名词) drank(动词) coffee(名词) at（介词）Starbucks(名词)
让我们构建一个条件随机场来对句子做词性标注。和其它分类器一样，我们首先要做的就是
构建一系列特征函数 fi。
CRF 中的特征函数
在条件随机场中，每个特征函数接受如下的输入参数
* 句子
* 句子中单词的位置 i
* 当前单词的标签 il
* 前一个单词的标签 1il
每个特征函数输出一个实值数(这个值经常要么是 0 要么是 1)
（注意：将特征函数限制成当前词的标注只和前一个词有关，而
目录
照片/标注/标签/句子/单词/名词/特征/函数/词性/随机场/ 照片/标注/标签/句子/单词/名词/特征/函数/词性/随机场/