本文探讨了条件随机场(CRF)与隐马尔科夫模型(HMM)在自然语言处理(NLP)领域的应用。CRF作为判别式模型,特别适用于序列标注任务,而HMM作为产生式模型,在语言模型中有广泛应用。文章对比了两种模型的特点及应用场景。
在智能算法方面CRF与HMM受到很多应用。
特别是自然语言处理方面CRF大放异彩，其基础为最大熵与HMM。
其为判别式模型，而HMM为产生式模型。
产生式模型统计角度分析数据的分布，反应同类数据的相似度，不关心边界。
判别式：寻找不同类数据的分类面，反映异类数据的判别。
详细见http://wenku.baidu.com/view/f32a35d2240c844769eaee55.html###.
CRF与HMM的部分知识学习
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
