CRF和HMM,朴素贝叶斯一样都是概率图模型,概率图模型构建了这样的图,用观测结点表示观测到的数据,隐含结点表示潜在的知识,边描述知识与数据间的相互关系,最后基于这样的图得到概率分布
![](https://img.haomeiwen.com/i4282088/3af1671123a264ac.png)
HMM VS CRF
相同点: HMM和CRF都是概率图模型,都可应用于序列标注问题
不同点:HMM是生成式模型,CRF是判别式模型
CRF比起HMM的优势:HMM存在标注偏置问题,CRF通过引入归一化因子Z,在全局范围内进行归一化,解决了HMM局部归一化带来的标注偏置问题(详细解释请看参考2,3)
CRF缺点
需要自行定义大量特征函数
参考资料
网友评论