Ehdollinen satunnainen kenttä

Ehdollinen satunnaiskentän (CRF) on eräänlainen suuntaamattomista probabilistinen malli, jota käytetään koneoppimisen (haara tekoäly ). Termiä käytetään usein viittaamaan erityiseen muotoon, jolla on lineaarinen rakenne, lineaarisen ketjun ehdollinen satunnaiskenttä . Tätä käytetään tyypillisesti sekvenssien segmentointiin. Tämä tarkoittaa, että CRF vastaanottaa sekvenssin tulona ja tuottaa saman pituisen sekvenssin . Päinvastoin kuin piilotetuissa Markov-malleissa (HMMs; erilainen, mutta ohjattu malli peräkkäisille tiedoille), CRF voi käyttää syöttösekvenssin täydellistä tietoa missä tahansa kohdassa, kun taas HMM näkee vain nykyisen syötteen. Tämä tarkoittaa, että voidaan käyttää monimutkaisia ​​ominaisuuksia.

koulutus

Kuten kaikki koneoppimismallit , CRF: t on koulutettava ; eli niiden parametrit on arvioitava tiedoista . Tätä varten on olemassa erilaisia ​​oppimismenetelmiä, kuten gradienttimenetelmä tai lähes Newton-menetelmä . Määritetään joukko jaksoja, joille sekä tulo että haluttu tulos tunnetaan (tätä valvotaan oppimista ). Oppimisprosessi yrittää sitten mukauttaa CRF: n parametreja siten, että oikea lähtöjakso ennustetaan mahdollisimman monelle sekvenssille harjoitustiedoissa.

Sovellukset

CRF-tiedostoja on sovellettu onnistuneesti erilaisiin ongelmiin, kuten:

Katso myös

valtakirjat

  • J. Lafferty, A. McCallum, F. Pereira: Ehdolliset satunnaiset kentät: Todennäköiset mallit sekvenssitietojen segmentoimiseksi ja merkitsemiseksi . Julkaisussa: Proc. 18. kansainvälinen konf. koneoppimisesta . Morgan Kaufmann, San Francisco, CA 2001, s. 282-289 .
  • A. McCallum: Ehdollisten satunnaiskenttien ominaisuuksien indusoiminen tehokkaasti . Julkaisussa: Proc. 19. konferenssi tekoälyn epävarmuudesta . 2003.
  • F. Sha, F. Pereira: Matala jäsentäminen ehdollisten satunnaiskenttien kanssa . Pennsylvanian yliopisto, 2003 (tekninen raportti MS-CIS-02-35).
  • HM Wallach: Ehdolliset satunnaiset kentät: Johdanto . Pennsylvanian yliopisto, 2004 (tekninen raportti MS-CIS-04-21).
  • C. Sutton, A. McCallum: Johdatus ehdollisiin satunnaisiin kenttiin suhteellisen oppimisen kannalta . Julkaisussa: Lise Getoor, Ben Taskar (toim.): Johdatus tilastolliseen suhteelliseen oppimiseen . MIT Press, 2006.
  • R. Klinger, K. Tomanek: Klassiset todennäköisyysmallit ja ehdolliset satunnaiskentät . Dortmundin teknillinen yliopisto, joulukuu 2007, ISSN  1864-4503 ( Online PDF - Algorithm Engineering Report TR07-2-013).
  • T. Kudo, K. Yamamoto, Y. Matsumoto: Ehdollisten satunnaiskenttien soveltaminen japanilaiseen morfologiseen analyysiin . 2004 ( PDF verkossa ).