我读了不同的文件，CRF（条件随机字段）是如何工作的，但是所有的论文都只提供了公式。是否有人可以向我发送一篇描述CRF的论文，例如我们有一个句子
“史密斯先生出生于纽约。他在微软公司工作了20年。”如果上述句子作为训练的输入，那么该模型在训练期间如何运作以考虑CRF的公式？ 史密斯被标记为“PER”纽约被“LOC”微软公司称为“ORG”。 Moges.A
答案 0 :(得分：8)
这是由Shasha Rush制作的一组幻灯片的link，Shasha Rush是一名博士生，目前正在谷歌的NLP工作。我真正喜欢幻灯片的原因之一是因为它们包含具体示例并引导您完成重要算法的执行。
答案 1 :(得分：3)
这不是一篇论文，但在probabilistic graphical models上有完整的在线免费课程 - CRF就是其中之一。 它非常明确，完成后您将获得直观的理解。
答案 2 :(得分：1)
我认为有人不会写这样的教程。您可以查看更易于理解的HMM教程，并可通过示例进行说明。 CRF的问题在于它是具有许多依赖关系的全局优化，因此很难逐步显示我们如何优化参数以及如何预测标签。但这个想法非常简单 - 使用稀疏性最大化依赖（clique）图...