Podmíněné náhodné pole

Podmíněný náhodný pole (CRF) je druh neřízené pravděpodobnostní model, který se používá v strojového učení (odvětví umělé inteligence ). Termín se často používá k označení zvláštního formuláře s lineární strukturou, podmíněného náhodného pole s lineárním řetězcem . To se obvykle používá k segmentaci sekvencí. To znamená, že CRF přijímá sekvenci jako vstup a vysílá sekvenci stejné délky . Na rozdíl od skrytých Markovových modelů (HMM; jiný, ale zaměřený model pro sekvenční data) může CRF přistupovat k úplným informacím o vstupní sekvenci v kterémkoli bodě, zatímco HMM vidí pouze aktuální vstup. To znamená, že lze použít složité sady funkcí.

výcvik

Stejně jako všechny modely strojového učení musí být CRF proškoleny ; to znamená, že jejich parametry musí být odhadnuty z údajů . K tomu existují různé metody učení, například metoda přechodu nebo kvazi-Newtonova metoda . Je zadána řada sekvencí, pro které je znám vstup i požadovaný výstup (jedná se o monitorované učení ). Proces učení se poté pokusí přizpůsobit parametry v CRF takovým způsobem, aby se ve výstupních datech předpovídala správná výstupní sekvence pro co nejvíce sekvencí.

Aplikace

CRF byly úspěšně použity na různé problémy, jako například:

Viz také

pověření

  • J. Lafferty, A. McCallum, F. Pereira: Podmíněná náhodná pole: Pravděpodobnostní modely pro segmentaci a označování sekvenčních dat . In: Proc. 18. mezinárodní konf. na strojovém učení . Morgan Kaufmann, San Francisco, CA 2001, str. 282-289 .
  • A. McCallum: Účinně vyvolávající vlastnosti podmíněných náhodných polí . In: Proc. 19. konference o nejistotě v umělé inteligenci . 2003.
  • F. Sha, F. Pereira: Mělká analýza s podmíněnými náhodnými poli . University of Pennsylvania, 2003 (Technical Report MS-CIS-02-35).
  • HM Wallach: Podmíněná náhodná pole: Úvod . University of Pennsylvania, 2004 (technická zpráva MS-CIS-04-21).
  • C. Sutton, A. McCallum: Úvod do podmíněných náhodných polí pro relační učení . In: Lise Getoor, Ben Taskar (Ed.): Úvod do statistického relačního učení . MIT Press, 2006.
  • R. Klinger, K. Tomanek: Klasické pravděpodobnostní modely a podmíněná náhodná pole . Technická univerzita v Dortmundu, prosinec 2007, ISSN  1864-4503 ( online PDF - Algorithm Engineering Report TR07-2-013).
  • T. Kudo, K. Yamamoto, Y. Matsumoto: Aplikování podmíněných náhodných polí na japonskou morfologickou analýzu . 2004 ( PDF online ).