Conditional Random Field
释义 Definition
条件随机场（CRF）：一种用于序列标注与结构化预测的概率图模型。它直接建模在给定观测数据 (X) 条件下标签序列 (Y) 的条件概率 (P(Y \mid X))，常用于中文分词、词性标注、命名实体识别等任务。除线性链结构外，也可扩展到更一般的图结构。（在实际应用中最常见的是“线性链CRF”。）
发音 Pronunciation (IPA)
/kənˈdɪʃənəl ˈrændəm fiːld/
例句 Examples
CRF is often used for named entity recognition.
CRF 常用于命名实体识别。
By combining rich feature functions, a conditional random field can model label dependencies in sequence tagging better than a simple classifier.
通过结合丰富的特征函数，条件随机场在序列标注中通常能比简单分类器更好地建模标签之间的依赖关系。
词源 Etymology
该术语由 conditional（条件的） + random field（随机场） 构成：
- “随机场”在统计学与图模型中指由图结构定义的随机变量集合（与马尔可夫随机场相关）。
- “条件”强调模型直接学习 (P(Y \mid X))，而不是像某些生成式模型那样学习联合分布 (P(X, Y))。
“Conditional Random Field”作为机器学习术语在 2001 年由 Lafferty、McCallum、Pereira 的论文系统提出并推广。
相关词 Related Words
文学与著作 Literary Works & Notable Uses
- Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data（Lafferty, McCallum, Pereira, 2001）——提出并定义CRF的经典论文。
- Speech and Language Processing（Jurafsky & Martin）——在序列标注/信息抽取章节中常讨论CRF及其应用。
- Information Extraction 相关教材与综述（如命名实体识别、分块/Chunking主题）——CRF作为标准方法频繁出现。
Select Language