CRF学习笔记

惯例，首先导入TensorFlow，

import tensorflow as tf

tensorflow 中的 CRF

tf.contrib.crf.crf_log_likelihood(inputs=, tag_indices=, sequence_lengths=, transition_params=None)

Computes the log-likelihood of tag sequences in a CRF.

Args:

• iputs: A [batch_size, max_seq_len, num_tags] tensor of unary potentials to use as input to the CRF layer.
• tag_indices: A [batch_size, max_seq_len] matrix of tag indices for which we compute the log-likelihood.
• sequence_lengths: A [batch_size] vector of true sequence lengths.
• transition_params: A [num_tags, num_tags] transition matrix, if available.

Returns:

• log_likelihood: A [batch_size] tensor containing the log-likelihood of each example. given the sequence of tag indices.
• transition_params: A [num_tags, num_tags] transition matrix. This is either provided by the caller or created in this function.

tf.contrib.crf.viterbi_decode(score=, transition_params=)

返回得分最高的标签序列。只能用在训练集中。在 tensorflow 外部解码。

参数：

• socre：形如 [seq_len, num_tags] 的矩阵，表示单点势能 unary potentials。
• transition_params：形如 [num_tags, num_tags] 的矩阵，表示 binary potentials。

返回：

• viterbi：大小为 seq_len 的整数列表，表示得分最高的标签索引。
• viterbi_score：浮点数，表示 Viterbi 序列的得分。

tf.contrib.crf.crf_decode(potentials=, transition_params=, sequence_length=)

Decode the highest scoring sequence of tags in TensorFlow.
This is a function for tensor.

参数：

• potentials：形如 [batch_size, max_seq_len, num_tags] 的张量，表示单点势能。
• transition_params：形如 [num_tags, num_tags] 的矩阵，表示 binary potentials。
• sequence_length：大小为 batch_size 的向量，表示序列长度。

返回：

• decode_tags：形如 [batch_size, max_seq_len] 的矩阵，类型是 tf.float32，表示得分最高的标签索引。
• best_score：大小为 batch_size 的向量，表示 decode_tags 的得分。

暂时仅了解这些代码的使用，后面有空再详细了解马尔科夫随机场，具体相关的内容可以移步参考马尔科夫随机场。

Q&A：

1. binary potentials 是什么？unary potentials 呢？
2. 待续，