第三章 条件随机场
结构化预测：条件随机场的概率方法
定义：1.预测多个互相依赖的变量
2.x->y={y0,y1...yT}
以词性标注为例，ys表示s处的词性，xs表示s处的各种信息。
结构化预测：每个位置s做一个独立的分类器。（复杂的依赖，复杂的结构）
表示依赖关系：图模型，因子化等价于条件独立性。产生式的图模型，判别式的图模型（条件随机场CRF）
CRF工具包
建立模型（modeling）
图模型：贝叶斯统计，NLP,CV
无向模型：兼容性函数。partition funtion 配分函数
因子图（factor graph）
通过通常的无向图模型（也叫Markov网络）来展示
因子化表达的不确定性 因子图等价于因子化表达式
有向模型：
1<-2->3<-4 p(1|2)p(2)p(3|2,4)p(4)