条件随机场

中文实现的crf算法下载：
https://jaist.dl.sourceforge.net/project/crf/
https://github.com/witgo/CRF

机械匹配的时候，从前到后，和从后到前，哪一种方法更加准确。
词库整理的技巧
1、在现有词库的基础上，进行分词，在分出来的词的基础上，进行人工整理
2、不使用词库，在机械匹配的基础上，进行人工整理
3、使用基于统计的分词方法，进行人工整理

机械匹配的方法
向后循环，向后匹配
向后循环，向前匹配
向前循环，向前匹配
向前循环，向后匹配

这4种，哪一种最准确呢？

http://blog.csdn.net/ifengle/article/details/3849852

（conditional random fields，简称 CRF，或CRFs），是一种判别式概率模型，是随机场的一种，常用于标注或分析序列资料，如自然语言文字或是生物序列。条件随机场(CRF)由Lafferty等人于2001年提出，结合了最大熵模型和隐马尔可夫模型的特点，是一种无向图模型，基于统计学，可以作为一种分词方法

CRF简介

Conditional Random Field：条件随机场，一种机器学习技术（模型）。
CRF由John Lafferty最早用于NLP技术领域，其在NLP技术领域中主要用于文本标注，并有多种应用场景，例如：

• 分词（标注字的词位信息，由字构词）
• 词性标注（标注分词的词性，例如：名词，动词，助词）
• 命名实体识别（识别人名，地名，机构名，商品名等具有一定内在规律的实体名词）