飞鸟各投林

导航

2017年3月26日 #

HMM、MEMM、CRF模型比较和标注偏置问题(Label Bias Problem)

摘要: 本文转自:http://www.cnblogs.com/syx-1987/p/4077325.html 路径1-1-1-1的概率:0.4*0.45*0.5=0.09 路径2-2-2-2的概率:0.018 路径1-2-1-2:0.06 路径1-1-2-2:0.066 由此可得最优路径为1-1-1-1 阅读全文

posted @ 2017-03-26 22:52 飞鸟各投林 阅读(1003) 评论(1) 推荐(0) 编辑

HMM,MEMM,CRF模型的比较

摘要: 本文参考自:http://blog.csdn.net/happyzhouxiaopei/article/details/7960876 这三个模型都可以用来做序列标注模型。但是其各自有自身的特点,HMM模型是对转移概率和表现概率直接建模,统计共现概率。而MEMM模型是对转移 概率和表现概率建立联合概 阅读全文

posted @ 2017-03-26 22:46 飞鸟各投林 阅读(18293) 评论(0) 推荐(0) 编辑

最大熵模型---关毅老师的课件

摘要: 最大熵模型 最大熵原理 举例 阅读全文

posted @ 2017-03-26 21:15 飞鸟各投林 阅读(245) 评论(0) 推荐(0) 编辑

盘点一下数据平滑算法

摘要: 本文参考来自于:http://blog.csdn.net/wwjiang_ustc/article/details/50732211 在自然语言处理中,经常要计算单词序列(句子)出现的概率估计。我们知道,算法在训练时,语料库不可能包含所有可能出现的序列。 因此,为了防止对训练样本中未出现的新序列概率 阅读全文

posted @ 2017-03-26 20:55 飞鸟各投林 阅读(3258) 评论(0) 推荐(1) 编辑

通俗的解释交叉熵与相对熵

摘要: 一、交叉熵 (1):离散表示: (2):连续表示: 两项中 H(p)是 p的信息熵,后者是p和q的相对熵; 二、相对熵 (1):离散表示: (2):连续表示: 三、二者关系 阅读全文

posted @ 2017-03-26 20:46 飞鸟各投林 阅读(390) 评论(0) 推荐(0) 编辑