🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
📜
序列标注的黄金标准条件随机场(CRF)由Lafferty等人在2001年提出，曾是自然语言处理中命名实体识别(NER)和词性标注的统治者。与HMM的生成式不同，CRF是判别式模型——它不关心输入数据长什么样，只关心"给定输入，输出标签应该是什么"。有趣的是，即使深度学习崛起后，CRF仍未消亡：BiLSTM-CRF和BERT-CRF至今仍是NER的强力基线，CRF作为最后一层负责约束标签转移的合法性(比如B-PER后面不能跟I-ORG)。
来源：Lafferty, McCallum & Pereira, "Conditional Random Fields", ICML 2001
一句话总结
💡
CRF 是判别式概率图模型，在给定观测序列下对标签序列建模全局依赖，常用于序列标注。
常见误区
这些坑别踩
✗
误区 1
CRF 和 HMM 一样是生成模型。
✓
正确理解
CRF 是判别式建模 P(Y|X)，HMM 是生成式建模 P(X,Y)，方向相反。
✗
误区 2
CRF 每个位置独立预测。
✓
正确理解
CRF 考虑标签间的转移依赖做全局归一化，这是相对逐位置分类的优势。
✗
误区 3
CRF 只能用线性链。
✓
正确理解
虽线性链 CRF 最常见，CRF 可定义在任意图结构上。