條件隨機場_CRF
無向圖
舉例：“Bob drank coffee at Starbucks”
標記方式1：(名詞，動詞，名詞，介詞，名詞) 稱為l
標記方式2：（名詞，動詞，動詞，介詞，名詞）
挑選出一個最靠譜的：
我們給每一個標註序列打分，打分越高代表這個標註序列越靠譜，如，凡是標註中出現了動詞後面還是動詞的標註序列，要給它負分！！
上面所說的動詞後面還是動詞就是一個特徵函式，我們可以定義一個特徵函式集合，用這個集合來為一個標註序列打分，並據此選出最靠譜的標註序列。
每一個特徵函式都可以用來為一個標註序列評分，把集合中所有特徵函式對同一個標註序列的評分綜合起來，就是這個標註序列最終的評分值。
定義特徵函式：
S：句子S
i: 句子中的第i個單詞
L_i：標註序列第i個單詞標註的結果【B首部 / M 內部 / E 尾部/S 單獨/ O 不是地理命名實體]
L_i-1：標註序列第i個單詞標註的結果
輸出值;1標識評分標準符合這個特徵
過程：
（1） 給每個特徵函式 f_j 賦予一個權重 λ_j
（2）句子對應的標記序列為l,得分函式為：
Score（L/s)=Σj Σi λj fj ( s,i,Li,Li-1 ）（函式函式 j=1....m, 單詞數量 i=1....n)
[外面求和是用來求每個特徵函式的評分值，裡面求和是每個位置單詞的特徵值]
(3) 對分數進行指數化和標準化
P(L/s)=exp(Score（L/s)) /ΣL' exp(Score（L'/s))
圖結構：
線性鏈條隨機磁場:Oi不僅考慮上一狀態Oi-1,還考慮下一裝填Oi+1
λ代表輸入的詞，O代表標籤
狀態變數 O0-------O1------O2------On
↓ ↓ ↓ ↓
↓ ↓ ↓ ↓
觀測變數 λ0 λ1 λ2 λn
推理：
（1）利用貝葉斯公式 P(O/ λ)=P( λ/O) *P(O) / P( λ)
(2) P( λ/O) = P( λ1/O1) * P( λ2/O2).........*P( λn/On)
P(O)=P(O1) *P(O2/O1) *P(O3/O2)......*P(On/On-1)
(3)P( λ/O) *P(O) =P(O1)* P( λ1/O1) *P(O2/O1) * P( λ2/O2) *P(O3/O2)..... P( λn/On)*P(On/On-1)
=P(O1)* Π P(Oi / Oi-1* P(λi/ Oi）
定義特徵函式：
S：句子S
i: 句子中的第i個單詞
L_i：標註序列第i個單詞標註的結果【B首部 / M 內部 / E 尾部/S 單獨/ O 不是地理命名實體]
L_i-1：標註序列第i個單詞標註的結果
輸出值;1標識評分標準符合這個特徵
過程：
（1） 給每個特徵函式 f_j 賦予一個權重 λ_j
（2）句子對應的標記序列為l,得分函式為：
Score（L/s)=Σj Σi λj fj ( s,i,Li,Li-1 ）（函式函式 j=1....m, 單詞數量 i=1....n)
[外面求和是用來求每個特徵函式的評分值，裡面求和是每個位置單詞的特徵值]
(3) 對分數進行指數化和標準化
P(L/s)=exp(Score（L/s)) /ΣL' exp(Score（L'/s))
圖結構：
線性鏈條隨機磁場:Oi不僅考慮上一狀態Oi-1,還考慮下一裝填Oi+1
λ代表輸入的詞，O代表標籤
狀態變數 O0-------O1------O2------On
↓ ↓ ↓ ↓
↓ ↓ ↓ ↓
觀測變數 λ0 λ1 λ2 λn
推理：
（1）利用貝葉斯公式 P(O/ λ)=P( λ/O) *P(O) / P( λ)
(2) P( λ/O) = P( λ1/O1) * P( λ2/O2).........*P( λn/On)
P(O)=P(O1) *P(O2/O1) *P(O3/O2)......*P(On/On-1)
(3)P( λ/O) *P(O) =P(O1)* P( λ1/O1) *P(O2/O1) * P( λ2/O2) *P(O3/O2)..... P( λn/On)*P(On/On-1)
=P(O1)* Π P(Oi / Oi-1* P(λi/ Oi）