条件随机场CRF

条件随机场(CRF)是给定一组输入随机变量X的条件下另一组输出随机变量Y的条件概率分布模型，其特点是假设输出随机变量构成马尔科夫随机场。实际上是定义在时序数据上的对数线性模型。条件随机场属于判别模型。

概率图模型是由无向图表示的联合概率分布，概率无向图模型的最大特点是易于因子分解。

团：无向图G中任何两个节点均有边连接的节点子集。

最大团：是团并且不能再加进去任何一个G的节点使其成为一个更大的团。

前向-后向算法计算条件随机场的概率问题。条件随机场学习方法(求解参数问题)有：极大似然估计和正则化的极大似然估计。条件随机场的预测算法(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y*的过程)是维特比算法，类似于HMM。

条件随机场可以看做是最大熵马尔可夫模型在标注问题上的推广。

				<script>
					(function(){
						function setArticleH(btnReadmore,posi){
							var winH = $(window).height();
							var articleBox = $("div.article_content");
							var artH = articleBox.height();
							if(artH > winH*posi){
								articleBox.css({
									'height':winH*posi+'px',
									'overflow':'hidden'
								})
								btnReadmore.click(function(){
									articleBox.removeAttr("style");
									$(this).parent().remove();
								})
							}else{
								btnReadmore.parent().remove();
							}
						}
						var btnReadmore = $("#btn-readmore");
						if(btnReadmore.length>0){
							if(currentUserName){
								setArticleH(btnReadmore,3);
							}else{
								setArticleH(btnReadmore,1.2);
							}
						}
					})()
				</script>
				</article>