CRF条件随机场 | 关键原理+面试知识点
😄 CRF之前跟人生导师：李航学习过，这里结合自己的理解，精简一波CRF，总结一下面试中高频出现的要点。个人觉得没网上说的那么复杂，我看网上很大部分都是一长篇先举个例子，然后再说原理。没必要原理其实不难，直接从原理下手更好理解。
文章目录
- 1、概率无向图（马尔可夫随机场）？
- 2、条件随机场？
- 2.1、局部马尔可夫性：
- 2.2、何为特征函数？特征函数干嘛用的？：
- 3、CRF三大问题：
- 4、面试高频题
- 4.1、HMM与CRF的 共性 and 差异？
- 4.2、CRF缺点：
1、概率无向图（马尔可夫随机场）？
概率无向图模型，即马尔可夫随机场。反正可以理解，比如标注序列任务中，你的标签为图中的节点。边表示标签之间的依赖关系。【具体到CRF里，这个图就是下面的线性链条件随机场那个图了。而局部马尔可夫性就是指当前状态依赖于与其相连的前后状态。注：相邻的状态其实构成了一个最大团。】且成对的、局部的、全局的马尔可夫性的定位其实是等价的