Introduction to Conditional Random Fields

开个新坑，about CRF，简单先梳理一下思路。

我试图在任何文章内找到易于理解的CRF介绍，可能是我太愚钝了，每个字我都认识，但是连在一起我就不会读了。

参考：https://www.cnblogs.com/wuxiangli/p/7196984.html

           https://www.jiqizhixin.com/articles/2018-05-23-3

           https://www.imooc.com/article/27795

           http://blog.echen.me/2012/01/03/introduction-to-conditional-random-fields/

先来个有趣点的解释，https://www.imooc.com/article/27795 这篇翻译轻松愉快的解释了CRF，我以为我懂了。但是根据万事有but定律。。。。

wiki给出对于条件随机场的解释：

条件随机场（conditional random field，简称 CRF），是一种鉴别式机率模型，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。 如同马尔可夫随机场，条件随机场为无向性之图模型，图中的顶点代表随机变量，顶点间的连线代表随机变量间的相依关系，在条件随机场当中，随机变量 Y 的分布为条件机率，给定的观察值则为随机变量 X。原则上，条件随机场的图模型布局是可以任意给定的，一般常用的布局是链接式的架构，链接式架构不论在训练（training）、推论（inference）、或是解码（decoding）上，都存在有效率的算法可供演算。 条件随机场跟隐马尔可夫模型常被一起提及，条件随机场对于输入和输出的机率分布，没有如隐马尔可夫模型那般强烈的假设存在。 线性链条件随机场应用于标注问题是由Lafferty等人与2001年提出的。

简单说：CRF可以用于构造在给定一组输入随机变量的条件下，另一组输出随机变量的条件概率分布模型。

显然这也是不够的。

最后，我会去翻译这篇博客：http://blog.echen.me/2012/01/03/introduction-to-conditional-random-fields/