我一直在试图找到一个关于条件随机场的很好的教程，但是还没有找到一个不会让我的大脑陷入崩溃的教程。我对HMM有了很好的了解，并且获得了判别模型和生成模型之间的区别……但是到目前为止，我还没有找到可以对HMM和CRF进行比较的资源，这对我来说很有意义。任何援助将不胜感激。

解决方案

回答

我发现的最好的资源之一实际上是克里斯托弗·毕晓普(Christopher Bishop)的《模式识别和机器学习》(我强烈建议)中有关马尔可夫随机场(CRF是专门的马尔可夫随机场)的一节。 ，我确定我们现在已经很难找到该主题了。现在，我必须规定，本部分不会使我们完全了解CRF，但希望至少对我有帮助，以浏览那些危险的CRF教程。

除此之外，除了关于这个主题的令人麻木的学术论文之外，我什么都没有找到。这里有一些我发现是有帮助的：

• 关系学习的条件随机场简介-这是相当详尽的。
• 条件随机字段：用于分割和标记序列数据的概率模型-本文最初概述了CRF框架。我发现它比后面的内容容易阅读。它还将CRF与HMM和MEMM(包括图表)进行了比较。

抱歉，这就是我所能提供的。我仍在尝试自己掌握CRF。

回答

经典概率模型和条件随机场

http://www.scai.fraunhofer.de/fileadmin/images/bio/data_mining/paper/crf_klinger_tomanek.pdf

到目前为止，这是我迄今为止所碰到的最好的最好的教程。
顾名思义，它首先建立在更熟悉的模型(包括朴素贝叶斯，HMM和最大熵)之上并与之相关，从而发展了CRM理念。
颜色和图形的使用也增加了可理解性。

回答

Charles Elkan教授(UCSD)提供了有关CRF的非常有趣的视频教程：
http://videolectures.net/cikm08_elkan_llmacrf

演讲笔记可以从他的主页下载：
http://cseweb.ucsd.edu/users/elkan/250B/cikmtutorial.pdf

干杯!
洪国

回答

有关CRF的最棒的介绍。

同样，本课堂讲义很好地解释了线性链CRF的"符号"。