Cualquiera recomienda un buen tutorial sobre campos aleatorios condicionales

Question

He estado tratando de encontrar un buen tutorial sobre campos aleatorios condicionales y todavía tengo que encontrar uno que no haya comenzado a enviar a mi cerebro a la fusión. Tengo una buena comprensión de los HMM, y obtengo la diferencia entre los modelos generativos y discriminatorios ... pero hasta ahora no he podido encontrar un recurso que pueda dar una buena comparación de HMM y CRF que tenga sentido para mí. Cualquier ayuda sería apreciada.

Answer 1

Uno de los mejores recursos que he encontrado es en realidad una sección en el libro patrón de Christopher Bishop Reconocimiento y aprendizaje automático (que recomiendo encarecidamente, por cierto) con respecto Markov Random Fields (CRF están especializados Markov Random Fields. Incluso tiene un ejemplo, que estoy seguro ya habrás notado que es increíblemente difícil de encontrar para este tema. Ahora, debo estipular que esta sección no le dará una comprensión completa de los CRF, pero con suerte, al menos lo hizo por mí, lo ayudará a navegar esos traicioneros tutoriales de CRF.

Aparte de eso, no he encontrado nada más que documentos académicos sobre el tema. Aquí están algunos que he encontrado para ser útil sin embargo:

• An Introduction to Conditional Random Fields for Relational Learning - Éste es bastante completo.

• Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data - Este es el documento que delineó originalmente el marco CRF. Me resulta un poco más fácil de leer que los que vinieron después. También se comparan los CRF a HMM y MEMMs (diagramas incluidos.)

En este momento, eso es todo lo que puedo aportar. Todavía estoy tratando de dominar los CRF yo mismo.

Answer 2

modelos probabilísticos clásicos y condicional aleatoria campos

http://www.scai.fraunhofer.de/fileadmin/images/bio/data_mining/paper/crf_klinger_tomanek.pdf

Esto es, con mucho, el mejor tutorial que he tenido hasta ahora la suerte de venir a través. Como lo implica el título, desarrolla la idea de CRM construyendo primero y relacionándose con modelos más conocidos, incluidos Naive Bayes, HMM y Maximum Entropy. El uso de colores y figuras también aumenta la comprensibilidad.

Answer 3

Una muy interesante tutorial de vídeo sobre CRF dadas por el Prof. Charles Elkan (UCSD): http://videolectures.net/cikm08_elkan_llmacrf

Y notas de la conferencia se puede descargar desde su página de inicio: http://cseweb.ucsd.edu/users/elkan/250B/cikmtutorial.pdf

Salud! Hung Ngo.

Answer 4

El most awesome introducción a los CRF.

Además, this classroom handout explica bastante bien la "notación" para un CRF de cadena lineal.

Answer 5

también "análisis sintáctico superficial con CRF" por Sha & Pereira here

Answer 6

También recomendaría this tesis doctoral, que tiene un capítulo sobre modelos gráficos y uno en el CRF. Introduce todos los conceptos necesarios para entender CRF.

Actualización: reemplazado el enlace, en caso de que el enlace vuelva a frenar, el título de la tesis doctoral es "Escalar campos aleatorios condicionales para el procesamiento de lenguaje natural". Debo añadir que discute la diferencia entre HMM y CRF.