CRF2

CRF是无向图，无法写出概率密度函数。

怎么办呢？我们知道有无向图模型，那么可以用无向图模型把CRF概率密度函数写出来。
有K个最大团，P(x)就是所对应的无向图最大团的乘积，用势函数表示，xci是第i个最大团包含的随机变量。从第一步到第二步是定义，可以不用深究。
这里我们讨论的CRF是线性链马尔可夫：

yt-1和yt统称为状态函数，因为就是我们无向图中的状态结点，而它们的边（yt-1，yt）称为转移函数。其中我们把转移函数用特征函数来表示，特征函数就是状态之间的转移规则，比如我们认为“名词”后面跟着“动词”是正确的搭配，那么特征函数的值就是1，如果“动词”后面还是“动词”，这是错误搭配，那么特征函数为0。

同理，我们把状态函数也表示出来，那么就可以把整个CRF的概率密度函数写出：