任何人推薦有條件的隨機領域的好教程

Question

我一直在試圖找到一個關於條件隨機場的好教程，還沒有找到一個沒有開始把我的大腦發送到熔燬。我對HMM有很好的理解，並且我區分了區分性模型和生成模型......但是到目前爲止，我還沒有找到能夠對HMM和CRF進行比較的資源，這對我來說很有意義。任何援助將不勝感激。

Answer 1

一個我已經找到了最好的資源實際上是關於馬爾可夫隨機域克里斯托弗·畢曉普的書模式識別和機器學習（我強烈建議，順便）段（控釋肥是專門馬爾可夫隨機場。 ）它甚至有一個例子，我相信你現在已經注意到這個主題很難找到。現在，我必須規定本部分不會讓您對CRF有完整的理解，但希望 - 至少對我來說 - 希望能幫助您瀏覽那些危險的CRF教程。

除此之外，我還沒有發現任何東西，但關於這個問題的麻木學術論文。這裏有一些我發現有幫助，但：

• An Introduction to Conditional Random Fields for Relational Learning - 這是一個非常徹底。

• Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data - 這是最初概述CRF框架的論文。我發現閱讀起來比閱讀之後更容易閱讀。它還比較CRM與HMM和MEMM（包括圖表）。

對不起，這些都是我可以提供的。我仍然試圖自己掌握CRF。

Answer 2

古典概率模型和條件隨機域

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

這是迄今爲止最好的教程我到目前爲止已經有好運氣碰到。正如標題所暗示的，它首先建立在更熟悉的模型（包括樸素貝葉斯，HMM和最大熵）基礎之上並與之相關，從而發展了CRM思想。顏色和圖形的使用也增加了可理解性。

Answer 3

一個由查爾斯·埃爾肯教授給定控釋肥很有趣的視頻教程（UCSD）： http://videolectures.net/cikm08_elkan_llmacrf

和講稿可以從他的網頁下載： http://cseweb.ucsd.edu/users/elkan/250B/cikmtutorial.pdf

乾杯！ Hung Ngo。

Answer 4

most awesome CRF介紹。

此外，this classroom handout相當好地解釋了Linear-chain CRF的「符號」。

Answer 5

而且「淺層分析與控釋肥」，由沙&佩雷拉here

Answer 6

我也建議this博士論文，但對圖形模型一章，一個在慢性腎功能衰竭。它介紹了理解CRF所必需的所有概念。

更新：替換鏈接，如果鏈接再次剎車，博士論文的標題是「爲自然語言處理縮放條件隨機字段」。我應該補充一點，它討論了HMM和CRF之間的區別。