Разъяснение того, как работает CRF (условное случайное поле) на примерах

Я читал разные документы о том, как работает CRF (условное случайное поле), но во всех документах приводится только формула. Есть ли кто-нибудь, кто может прислать мне статью, в которой описывается CRF с примерами, например, если у нас есть предложение

«Мистер Смит родился в Нью-Йорке. Последние 20 лет он работает в компании Microsoft».

если приведенное выше предложение дается в качестве входных данных для обучения, как модель работает во время обучения с учетом формулы для CRF? Смит помечен как «PER», Нью-Йорк — как «LOC», компания Microsoft — как «ORG». Могес.А


machine-learning
person Community    schedule 08.05.2010    source источник
comment
@bayer, что ты не понимаешь? Могес хочет знать, как работает алгоритм, если в качестве входных данных указан приведенный выше пример. Просто пользователь хочет знать реальную работу   -  person chopss    schedule 22.07.2014
comment
Вот отличное объяснение CRF.   -  person whitewalker    schedule 16.03.2017

Ответы (3)


arrow_upward
8
arrow_downward

Вот ссылка на набор слайдов, сделанных Шашей Раш, аспиранткой. который в настоящее время работает над НЛП в Google. Одна из причин, по которой мне действительно нравятся слайды, заключается в том, что они содержат конкретные примеры и показывают выполнение важных алгоритмов.

person Community    schedule 26.06.2012
comment
@JohnLawrenceAspden Кажется, я добавил точку в конце связанного URL. Теперь у вас должен быть доступ к слайдам. - person void-pointer; 02.06.2013

arrow_upward
3
arrow_downward

Это не статья, но доступен целый бесплатный онлайн-курс по вероятностным графическим моделям - - КРФ является одним из них. Это очень точно, и вы получите интуитивно понятный уровень понимания после его завершения.

person Community    schedule 13.03.2012

arrow_upward
1
arrow_downward

Я не думаю, что кто-то напишет такой учебник. Вы можете ознакомиться с учебным пособием по HMM, которое легче понять и объяснить на примере. Проблема с CRF в том, что это глобальная оптимизация со многими зависимостями, поэтому очень сложно шаг за шагом показать, как мы оптимизируем параметры и как предсказываем метки. Но идея очень проста - максимизация графа зависимостей (клик) с использованием разреженности...

person Community    schedule 16.03.2011