217分钟
条件随机场CRF精讲特训
条件随机场模型(ConditionalRandomField)，简称CRF，是一种基于马尔可夫性的概率图模型，同时也是一个典型的判别式模型，近年来在分词、词性标注和命名实体识别等序列标注任务中取得了很…
条件随机场模型(ConditionalRandomField)，简称CRF，是一种基于马尔可夫性的概率图模型，同时也是一个典型的判别式模型，近年来在分词、词性标注和命名实体识别等序列标注任务中取得了很好的效果。 CRF算法是NLP算法岗的必考面试题，因此对于NLP算法工程师来说，掌握好CRF算法的原理尤为重要。
本课程将带你深入了解条件随机场模型的定义，掌握概率无向图模型的因子分解，线性链条件随机场的定义 、概率计算问题、最大熵模型等重要知识点，通过本门课程的学习，对于CRF模型的掌握将变得不再困难。
第一阶段 模型定义及表示形式
- 第1课 条件随机场定义
- 第2课 马尔可夫随机场的因子分解
- 第3课 条件随机场表示形式（一）
- 第4课 条件随机场表示形式（二）
第二阶段 最大熵模型精讲
- 第5课 最大熵模型定义
- 第6课 最大熵模型的学习
- 第7课 模型学习的改进迭代尺度法（一）
- 第8课 模型学习的改进迭代尺度法（二）
第三阶段 模型学习的改进迭代尺度法
- 第9课 概率无向图模型
- 第10课 条件随机场的定义与形式
- 第11课 条件随机场的概率计算
七月在线
集AI大模型教育、应用开发、机器人解决方案为一体