条件随机场（CRF）

Naive Byaes、HMM、CRF都是概率图模型，可以看做是一种递进的关系。

HMM中的两个假设：

• 齐次Markov假设
• 观测独立性假设

这两个假设太强了，在实际问题中，不符合逻辑（比如词性标注，词与词之间必然存在某种联系，而观测独立假设且将词之间的联系割裂开了）。那更好的解决办法是CRF.

CRF一种概率无向图判别模型：
// todo

// 一定要举例子
如何轻松愉快地理解条件随机场（CRF）？