Chiunque consiglia un buon tutorial su campi casuali condizionali

Question

Ho cercato di trovare un buon tutorial sui campi casuali condizionali e devo ancora trovarne uno che non ha iniziato a mandare il mio cervello alla fusione. Ho una buona conoscenza degli HMM e ottengo la differenza tra modelli discriminativi e generativi ... ma fino ad ora non sono stato in grado di trovare una risorsa che possa dare un buon confronto tra HMM e CRF che abbia senso per me. Qualsiasi assistenza sarebbe apprezzata.

Answer 1

Una delle migliori risorse che ho trovato è in realtà una sezione di Christopher Bishop libro Pattern Recognition e Machine Learning (che consiglio vivamente, tra l'altro) per quanto riguarda Markov a caso Fields (CRF sono specializzati Markov a caso Fields.) Ha anche un esempio, che sono sicuro che tu abbia notato, ora sono incredibilmente difficili da trovare per questo argomento. Ora, devo precisare che questa sezione non ti darà una comprensione completa dei CRF, ma si spera che - almeno lo ha fatto per me - ti aiuti a navigare nei tutorial infidi del CRF.

A parte questo, non ho trovato nulla, tranne documenti accademici allucinanti sull'argomento. Qui ci sono alcuni che ho trovato per essere utile però:

• An Introduction to Conditional Random Fields for Relational Learning - Questo è abbastanza approfondita.

• Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data - Questo è il documento che ha originariamente delineato il framework CRF. Lo trovo un po 'più facile da leggere rispetto a quelli che sono venuti dopo. Confronta anche i CRF con HMM e MEMM (diagrammi inclusi)

Scusa, questo è tutto ciò che posso offrire. Sto ancora cercando di padroneggiare i CRF da solo.

Answer 2

classici modelli probabilistici e condizionato a caso Campi

http://www.scai.fraunhofer.de/fileadmin/images/bio/data_mining/paper/crf_klinger_tomanek.pdf

Questo è di gran lunga il miglior tutorial che ho finora avuto la fortuna di incontrare. Come suggerisce il titolo, sviluppa l'idea del CRM costruendo in primo piano e in relazione a modelli più familiari tra cui Naive Bayes, HMM e Entropia massima. L'uso di colori e figure aggiunge anche alla comprensibilità.

Answer 3

Un interessante video tutorial sul CRF fornite dal Prof. Charles Elkan (UCSD): http://videolectures.net/cikm08_elkan_llmacrf

e dispense può essere scaricato dalla sua homepage: http://cseweb.ucsd.edu/users/elkan/250B/cikmtutorial.pdf

Cheers! Hung Ngo.

Answer 4

most awesome introduzione ai CRF.

Inoltre, this classroom handout spiega piuttosto bene la "notazione" per un CRF a catena lineare.

Answer 5

anche "Analisi poco profondo con il CRF" di Sha & Pereira here

Answer 6

Auspico inoltre this tesi di dottorato, ha un capitolo sui modelli grafici e uno sulla CRF. Introduce tutti i concetti necessari per comprendere CRF.

Aggiornamento: sostituito il collegamento, nel caso in cui il link frena di nuovo, il titolo della tesi di dottorato è "Ridimensionamento dei campi casuali condizionali per l'elaborazione del linguaggio naturale". Dovrei aggiungere che discute la differenza tra HMM e CRF.