条件随机场实际上是什么？

Question

我是机器学习的新手，尤其是条件随机场（CRF）

我已经阅读了几篇文章和论文，其中总是与 HMM 和序列分类相关联。我不是很懂数学，尤其是烦人的公式。所以我看不懂过程

我需要从哪里开始？

我想使用 CRF 命名实体识别（NER）制作一个信息提取应用程序

我有一些教程：https://eli5.readthedocs.io/en/latest/tutorials/sklearn_crfsuite.html#training-data

但我不知道每一步的散文，比如训练散文、评估和测试

还有 1 件事让我感到困惑：

crf = sklearn_crfsuite.CRF(
    algorithm='lbfgs',
    c1=0.1,
    c2=0.1,
    max_iterations=20,
    all_possible_transitions=False,
)

什么是算法 lbfgs ???

CRF 不是算法吗？为什么需要 lbfgs？

那么请告诉我什么是 CRF？请解释一下

Answer 1

CRF 是一种概率图形模型，主要用于序列标记任务。 要了解 HMM、CRF 之间的理解和差异，您可能需要检查此 https://stats.stackexchange.com/questions/58221/intuitive-difference-between-hidden-markov-models-and-conditional-random-fields

深入了解CRF，请转至https://people.cs.umass.edu/~mccallum/papers/crf-tutorial.pdf

如果您的数据有一些结构和模式，CRF 将是一个很好的开始算法。你可以在这里得到一些带注释的数据： https://www.clips.uantwerpen.be/conll2003/ner/

LBFGS 用于优化。

这是使用 CRF 构建 NER 系统的快速教程。 https://sklearn-crfsuite.readthedocs.io/en/latest/tutorial.html

希望对您有所帮助！