【中文分词】结构化感知器SP

结构化感知器(Structured Perceptron, SP)是由Collins [1]在EMNLP'02上提出来的，用于解决序列标注的问题。中文分词工具THULAC、LTP所采用的分词模型便是基于此。

1. 结构化感知器

模型

CRF全局化地以最大熵准则建模概率\(P(Y|X)\)；其中，\(X\)为输入序列\(x_1^n\)，\(Y\)为标注序列\(y_1^n\)。不同于CRF建模概率函数，SP则是以最大熵准则建模score函数：

\[S(Y,X) = \sum_s \alpha_s \Phi_s(Y,X) \]

其中，\(\Phi_s(Y,X)\)为本地特征函数\(\phi_s(h_i,y_i)\)的全局化表示：

\[\Phi_s(Y,X) = \sum_i \phi_s(h_i,y_i) \]

那么，SP解决序列标注问题，可视作为：给定\(X\)序列，求解score函数最大值对应的\(Y\)序列：

\[\mathop{\a