DataWhale——机器学习：条件随机场

Task04：条件随机场

1. 马尔可夫过程
2. 隐马尔可夫算法
3. 条件随机场
4. 基本问题
   

---

一、马尔可夫过程

  首先了解一下马尔可夫过程，定义如下：
  假设一个随机过程中，$t_n$ 时刻的状态$x_n$的条件分布，只与其前一状态$x_{n-1}$ 相关，即：

$$P(x_n|x_1,x_2,...,x_{n-1})=P(x_n|x_{n-1})$$

则将其称为 马尔可夫过程。

  可以看出，这个随机过程是无后效性的，什么意思呢？就是说下一刻的状态只和我这一刻的状态有关，和我之前的状态是没有关系的，这就是马尔可夫性。
参考：来聊聊马尔可夫过程

二、隐马尔可夫算法

（一）定义

  隐马尔科夫算法是对含有未知参数（隐状态）的马尔可夫链进行建模的生成模型，如下图所示：

  在隐马尔科夫模型中，包含隐状态 和 观察状态，隐状态 $x_i$ 对于观察者而言是不可见的，而观察状态 $y_i$ 对于观察者而言是可见的。隐状态间存在转移概率，隐状态 $x_i$到对应的观察状态 $y_i$ 间存在输出概率。

（二）假设

1. 假设隐状态$x_i$ 的状态满足马尔可夫过程，i时刻的状态$x_i$ 的条件分布，仅与其前一个状态$x_{i-1}$相关，即：

$$P(x_i|x_1,x_2,...,x_{i-1})=P(x_i|x_{i-1})$$

2. 假设观测序列中各个状态仅取决于它所对应的隐状态，即：

$$P(y_i|x_1,x_2,...,x_{i-1},y_1,y_2,...,y_{i-1},y_{i+1},...)=P(y_i|x_i)$$

（三）存在问题

  在序列标注问题中，隐状态（标注）不仅和单个观测状态相关，还和观察序列的长度、上下文等信息相关。例如词性标注问题中，一个词被标注为动词还是名词，不仅与它本身以及它前一个词的标注有关，还依赖于上下文中的其他词。

三、条件随机场（以线性链条件随机场为例）

（一）定义

  给定 $X=(x_1,x_2,...,x_n)$ ，$Y=(y_1,y_2,...,y_n)$ 均为线性链表示的随机变量序列，若在给随机变量序列 X 的条件下，随机变量序列 Y 的条件概率分布 $P(Y|X)$ 构成条件随机场，即满足马尔可夫性：

$$P(y_i|x_1,x_2,...,x_{i-1},y_1,y_2,...,y_{i-1},y_{i+1})=P(y_i|x,y_{i-1},y_{i+1})$$

则称为$P(Y|X)$为线性链条件随机场。

  通过去除了隐马尔科夫算法中的观测状态相互独立假设，使算法在计算当前隐状态$x_i$时，会考虑整个观测序列，从而获得更高的表达能力，并进行全局归一化解决标注偏置问题。

（二）参数化形式

$$p\left(y|x\right)=\frac{1}{Z\left(x\right)}\prod _{i=1}^n\exp \left(\sum _{i,k}{\lambda }_k{t}_k\left(y_{i-1},y_i,x,i\right)+\sum _{i,l}{\mu }_l{s}_l\left(y_i,x,i\right)\right)$$

其中：

$Z(x)$ 为归一化因子，是在全局范围进行归一化，枚举了整个隐状态序列$x_{1\dots n}$的全部可能，从而解决了局部归一化带来的标注偏置问题。

$$Z(x)=\sum _y\exp \left(\sum _{i,k}{\lambda }_x{t}_k\left(y_{i-1},y_i,x,i\right)+\sum _{i,l}{\mu }_l{s}_l\left(y_i,x,i\right)\right)$$

$t_k$ 为定义在边上的特征函数，转移特征，依赖于前一个和当前位置

$s_1$ 为定义在节点上的特征函数，状态特征，依赖于当前位置。

（三）简化形式

  因为条件随机场中同一特征在各个位置都有定义，所以可以对同一个特征在各个位置求和，将局部特征函数转化为一个全局特征函数，这样就可以将条件随机场写成权值向量和特征向量的内积形式，即条件随机场的简化形式。

step 1

  将转移特征和状态特征及其权值用统一的符号表示，设有k1个转移特征，$k_2$个状态特征，$K=k_1+k_2$,记

$$f_k(y_{i-1},y_i,x,i)=\{\begin{array}{ll}{t}_k(y_{i-1},y_i,x,i)& \text{k=1,2,…,K1}\\ s_l(y_i,x,i)& \text{k=K1+l; l=1,2,...,K2}\end{array}$$

step 2

  对转移与状态特征在各个位置i求和，记作

$$f_k(y,x)=\sum _{i=1}^n{f}_k(y_{i-1},y_i,x,i),k=1,2,...,K$$

step 3

  将 ${\lambda }_x$ 和 ${\mu }_l$ 用统一的权重表示，记作

$$w_k=\{\begin{array}{ll}{\lambda }_k,& \text{k=1,2,…,K1}\\ {\mu }_l& \text{k=K1+l; l=1,2,...,K2}\end{array}$$

step 4

  转化后的条件随机场可表示为：

$$\begin{gathered} P(y|x)=\frac{1}{Z(x)}exp\sum _{k=1}^K{w}_k{f}_k(y,x) \\ Z(x)=\sum _{y}exp\sum _{k=1}^K{w}_k{f}_k(y,x) \end{gathered}$$

step 5

  若 $w$ 表示权重向量：

$$w=(w_1,w_2,...,w_K{)}^T$$

以 $F(y,x)$ 表示特征向量，即

$$F(y,x)=(f_1(y,x),f_2(y,x),...,f_K(y,x){)}^T$$

则，条件随机场写成内积形式为：

$$\begin{gathered} P_w(y|x)=\frac{exp(w\ast F(y,x))}{Z_w(X)} \\ {z}_w(x)=\sum _{y}exp(w\ast F(y,x)) \end{gathered}$$

（四）矩阵形式

$$P_w(y|x)=\frac{{\prod }_{i=1}^{n+1}{M}_i(y_{i-1},y_i|x)}{z_w(x)}$$
推导过程比较好理解，可以看这个推导过程

四、基本问题

  条件随机场包含概率计算问题、学习问题和预测问题三个问题。

1. 概率计算问题：已知模型的所有参数，计算观测序列 $Y$ 出现的概率，常用方法：前向和后向算法；

2. 学习问题：已知观测序列 $Y$，求解使得该观测序列概率最大的模型参数，包括隐状态序列、隐状态间的转移概率分布和从隐状态到观测状态的概率分布，常用方法：Baum-Wehch 算法；

3. 预测问题：一直模型所有参数和观测序列 $Y$ ，计算最可能的隐状态序列 $X$,常用算法：维特比算法。

（一）概率计算问题

给定条件随机场$P(Y|X)$，输入序列 $x$ 和 输出序列 $y$;

计算条件概率

$$P(Y_i=y_i|x),P(Y_{i-1}=y_{i-1},Y_i=y_i|x)$$

计算相应的数学期望问题；

前向-后向算法

step 1 前向计算

对观测序列 $x$ 的每个位置 $i=1,2,...,n+1$ ，定义一个 $m$ 阶矩阵（$m$ 为标记$Y_i$取值的个数）

$$\begin{gathered} M_i(x)=[M_i(y_{i-1},y_i|x)] \\ {M}_i(y_{i-1},y_i|x)=exp(W_i(y_{i-1},y_i)|x) \end{gathered}$$

对每个指标 $i=0,1,...,n+1$，定义前向向量 ${\alpha }_i(x)$，则递推公式:
$${\alpha }_i^T(y_i|x)={\alpha }_i^T(y_{i-1}|x)M_i(y_{i-1},y_i|x),i=1,2,...,n+1$$
其中，

$${\alpha }_0(y_i|x)=\{\begin{array}{ll}1,& \text{y=start}\\ 0,& \text{else}\end{array}$$

step 2 后向计算

对每个指标 $i=0,1,...,n+1$，定义前向向量 ${\beta }_i(x)$，则递推公式:

$$\begin{gathered} {\beta }_{n+1}(y_{n+1}|x)=\{\begin{array}{ll}1,& \text{yi+1=stop}\\ 0,& \text{else}\end{array} \\ {\beta }_i(y_i|x)=M_i(y_i,y_{i+1}|x){\beta }_{i-1}(y_{i+1}|x) \end{gathered}$$

step 3

$$Z(x)={\alpha }_n^T(x)\cdot 1=1^T‘{\beta }_1(x)$$

step 4 概率计算

所以，标注序列在位置 $i$ 是标注 $y_i$ 的条件概率为：

$$\begin{gathered} P(Y_i=y_i|x)=\frac{{\alpha }_i^T(y_i|x){\beta }_i(y_i|x)}{Z(x)} \\ P(Y_{i-1}=y_{i-1},Y_i=y_i|x)=\frac{{\alpha }_{i-1}^T(y_{i-1}|x)M_i(y_{i-1},y_i|x){\beta }_i(y_i|x)}{Z(x)} \end{gathered}$$

其中，
$$Z(x)={\alpha }_n^T(x)\cdot 1$$

step 5 期望值计算

通过利用前向-后向向量，计算特征函数关于联合概率分布 $P(X,Y)$ 和 条件概率分布 $P(Y|X)$ 的数学期望，即特征函数 $f_k$ 关于条件概率分布 $P(Y|X)$ 的数学期望：
$$\begin{gathered} E_{P(Y|X)}[f_k]=\sum _{y}P(y|x)f_k(y,x) \\ =\sum _{i=1}^{n+1}\sum _{y_{i-1}{y}_i}{f}_k(y_{i-1},y_i,x,i)\frac{{\alpha }_i^T(y_{i-1}|x)M_i(y_{i-1},y_i|x){\beta }_i(y_i|x)}{Z(x)} \end{gathered}$$

其中：

$$Z(x)={\alpha }_n^T(x)\cdot 1$$

（二）学习问题

这里主要介绍一下 BFGS 算法的思路。

输入：特征函数 $f_1,f_2,...,f_n$：经验分布 $P(X,Y)$；

输出：最优参数值 $w$，最优模型$P_w(y|x)$。

1. 选定初始点 w^{(0)}， 取 $B_0$ 为正定对称矩阵，k = 0;
2. 计算 $g_k=g(w^{(}k))$，若 $g_k=0$ ，则停止计算，否则转 (3) ；
3. 利用 $B_k{p}_k=-g_k$ 计算 $p_k$；
4. 一维搜索：求 ${\lambda }_k$使得

5. 设 $w^{(k+1)}=w^{(k)}+{\lambda }_k\ast p_k$

6. 计算 $g_{k+1}$ = g(w^{(k+1)}),

   若 $g_k=0$， 则停止计算；否则，利用下面公式计算 $B_{k+1}$:

   

7. 令 $k=k+1$，转步骤（3）；

（三）预测问题

对于预测问题，常用的方法是维特比算法。这个算法解决的是篱笆型的图的最短路径问题，图的节点按列组织，每列的节点数量可以不一样，每一列的节点只能和相邻列的节点相连，不能跨列相连，节点之间有着不同的距离。通俗一点的理解可以看这篇文章：如何通俗地讲解 viterbi 算法？

其思路如下：

输入：模型特征向量 $F(y,x)$ 和权重向量 $w$，输入序列（观测序列） $x=x_1,x_2,...,x_n$；

输出：条件概率最大的输出序列（标记序列）$y^{\ast }=(y_1^{\ast },y_2^{\ast },...,y_n^{\ast })$，也就是最优路径；

1. 初始化

2. 递推，对$i=2,3,...,n$

3. 终止

4. 返回路径

求得最优路径 $y^{\ast }=(y_1^{\ast },y_2^{\ast },...,y_n^{\ast })$

例子说明

利用维特比算法计算给定输入序列$x$ 对应的最优输出序列$y^{\ast }$：

1. 初始化

2. 递推，对$i=2,3,...,n$

3. 终止

4. 返回路径

求得最优路径 $y^{\ast }=(y_1^{\ast },y_2^{\ast },...,y_n^{\ast })=(1,2,1)$
这个例子的代码实现：

import numpy as np
 
class CRF(object):
    '''实现条件随机场预测问题的维特比算法
    '''
    def __init__(self, V, VW, E, EW):
        '''
        :param V:是定义在节点上的特征函数，称为状态特征
        :param VW:是V对应的权值
        :param E:是定义在边上的特征函数，称为转移特征
        :param EW:是E对应的权值
        '''
        self.V  = V  #点分布表
        self.VW = VW #点权值表
        self.E  = E  #边分布表
        self.EW = EW #边权值表
        self.D  = [] #Delta表，最大非规范化概率的局部状态路径概率
        self.P  = [] #Psi表，当前状态和最优前导状态的索引表s
        self.BP = [] #BestPath，最优路径
        return 
        
    def Viterbi(self):
        '''
        条件随机场预测问题的维特比算法，此算法一定要结合CRF参数化形式对应的状态路径图来理解，更容易理解.
        '''
        self.D = np.full(shape=(np.shape(self.V)), fill_value=.0)
        self.P = np.full(shape=(np.shape(self.V)), fill_value=.0)
        for i in range(np.shape(self.V)[0]):
            #初始化
            if 0 == i:
                self.D[i] = np.multiply(self.V[i], self.VW[i])
                self.P[i] = np.array([0, 0])
                print('self.V[%d]='%i, self.V[i], 'self.VW[%d]='%i, self.VW[i], 'self.D[%d]='%i, self.D[i])
                print('self.P:', self.P)
                pass
            #递推求解布局最优状态路径
            else:
                for y in range(np.shape(self.V)[1]): #delta[i][y=1,2...]
                    for l in range(np.shape(self.V)[1]): #V[i-1][l=1,2...]
                        delta = 0.0
                        delta += self.D[i-1, l]                      #前导状态的最优状态路径的概率
                        delta += self.E[i-1][l,y]*self.EW[i-1][l,y]  #前导状态到当前状体的转移概率
                        delta += self.V[i,y]*self.VW[i,y]            #当前状态的概率
                        print('(x%d,y=%d)-->(x%d,y=%d):%.2f + %.2f + %.2f='%(i-1, l, i, y, \
                              self.D[i-1, l], \
                              self.E[i-1][l,y]*self.EW[i-1][l,y], \
                              self.V[i,y]*self.VW[i,y]), delta)
                        if 0 == l or delta > self.D[i, y]:
                            self.D[i, y] = delta
                            self.P[i, y] = l
                    print('self.D[x%d,y=%d]=%.2f\n'%(i, y, self.D[i,y]))
        print('self.Delta:\n', self.D)
        print('self.Psi:\n', self.P)
        
        #返回，得到所有的最优前导状态
        N = np.shape(self.V)[0]
        self.BP = np.full(shape=(N,), fill_value=0.0)
        t_range = -1 * np.array(sorted(-1*np.arange(N)))
        for t in t_range:
            if N-1 == t:#得到最优状态
                self.BP[t] = np.argmax(self.D[-1])
            else: #得到最优前导状态
                self.BP[t] = self.P[t+1, int(self.BP[t+1])]
        
        #最优状态路径表现在存储的是状态的下标，我们执行存储值+1转换成示例中的状态值
        #也可以不用转换，只要你能理解，self.BP中存储的0是状态1就可以~~~~
        self.BP += 1
        
        print('最优状态路径为：', self.BP)
        return self.BP
        
def CRF_manual():   
    S = np.array([[1,1],   #X1:S(Y1=1), S(Y1=2)
                  [1,1],   #X2:S(Y2=1), S(Y2=2)
                  [1,1]])  #X3:S(Y3=1), S(Y3=1)
    SW = np.array([[1.0, 0.5], #X1:SW(Y1=1), SW(Y1=2)
                   [0.8, 0.5], #X2:SW(Y2=1), SW(Y2=2)
                   [0.8, 0.5]])#X3:SW(Y3=1), SW(Y3=1)
    E = np.array([[[1, 1],  #Edge:Y1=1--->(Y2=1, Y2=2)
                   [1, 0]], #Edge:Y1=2--->(Y2=1, Y2=2)
                  [[0, 1],  #Edge:Y2=1--->(Y3=1, Y3=2) 
                   [1, 1]]])#Edge:Y2=2--->(Y3=1, Y3=2)
    EW= np.array([[[0.6, 1],  #EdgeW:Y1=1--->(Y2=1, Y2=2)
                   [1, 0.0]], #EdgeW:Y1=2--->(Y2=1, Y2=2)
                  [[0.0, 1],  #EdgeW:Y2=1--->(Y3=1, Y3=2)
                   [1, 0.2]]])#EdgeW:Y2=2--->(Y3=1, Y3=2)
    
    crf = CRF(S, SW, E, EW)
    ret = crf.Viterbi()
    print('最优状态路径为:', ret)
    return
    
if __name__=='__main__':
    CRF_manual()