摘要：
上一节我们介绍了CRF的背景，本节开始进入CRF的正式的定义，简单来说条件随机场就是定义在隐马尔科夫过程的无向图模型，外加可观测符号X，这个X是整个可观测向量。而我们前面学习的HMM算法，默认可观测符号是独立的，但是根据我们的实际语言来说，独立性的假设太牵强，不符合我们的语言规则，因此在HMM的基础 阅读全文
posted @ 2019-07-15 23:24
交流_QQ_2240410488
阅读(3131)
评论(1)
推荐(0)
摘要：
描述 reversed 函数返回一个反转的迭代器。 语法 以下是 reversed 的语法: 参数 seq -- 要转换的序列，可以是 tuple, string, list 或 range。 返回值 返回一个反转的迭代器。 实例 以下展示了使用 tuple 的实例： 实例 #!/usr/bin/e 阅读全文
posted @ 2019-07-15 23:04
交流_QQ_2240410488
阅读(1053)
评论(0)
推荐(0)
摘要：
1.CRF的预测算法条件随机场的预测算法是给定条件随机场P(Y|X)和输入序列（观测序列）x，求条件概率最大的输出序列（标记序列）y*，即对观测序列进行标注。条件随机场的预测算法是著名的维特比算法(Vitebi Algorthim)。 维特比算法在隐马尔科夫模型的预测算法中已经详细介绍和Python 阅读全文
posted @ 2019-07-15 20:28
交流_QQ_2240410488
阅读(564)
评论(0)
推荐(0)
摘要：
1.条件随机场概念CRF，Conditional Random Field，是给定一组输入随机变量条件下另一组输出随机变量的条件概率分布模式，其特点是假设输出随机变量构成马尔可夫随机场。 条件随机场用于不同的预测问题。CRF条件随机场是给定随机变量X时，随机变量Y的马尔可夫随机场。 有一种条件随机场 阅读全文
posted @ 2019-07-15 20:22
交流_QQ_2240410488
阅读(499)
评论(0)
推荐(0)
摘要：
声明： 1，本篇为个人对《2012.李航.统计学习方法.pdf》的学习总结，不得用作商用，欢迎转载，但请注明出处（即：本帖地址）。 2，由于本人在学习初始时有很多数学知识都已忘记，所以为了弄懂其中的内容查阅了很多资料，所以里面应该会有引用其他帖子的小部分内容，如果原作者看到可以私信我，我会将您的帖子 阅读全文
posted @ 2019-07-15 17:15
交流_QQ_2240410488
阅读(711)
评论(0)
推荐(0)
摘要：
摘自：https://mp.weixin.qq.com/s/GXbFxlExDtjtQe-OPwfokA https://www.cnblogs.com/zhibei/p/9391014.html CRF（Conditional Random Field），即条件随机场。经常被用于序列标注，其中包括 阅读全文
posted @ 2019-07-15 17:04
交流_QQ_2240410488
阅读(1387)
评论(0)
推荐(0)
摘要：
BiLSTM-CRF 被提出用于NER或者词性标注，效果比单纯的CRF或者lstm或者bilstm效果都要好。 根据pytorch官方指南(https://pytorch.org/tutorials/beginner/nlp/advanced_tutorial.html#bi-lstm-condit 阅读全文
posted @ 2019-07-15 16:36
交流_QQ_2240410488
阅读(3489)
评论(0)
推荐(0)
摘要：
cat是concatnate的意思：拼接，联系在一起。 先说cat( )的普通用法 如果我们有两个tensor是A和B，想把他们拼接在一起，需要如下操作： C = torch.cat( (A,B),0 ) #按维数0拼接（竖着拼） C = torch.cat( (A,B),1 ) #按维数1拼接（横 阅读全文
posted @ 2019-07-15 15:03
交流_QQ_2240410488
阅读(5736)
评论(0)
推荐(0)
摘要：
上溢应该是想要表示的数超过了所能表示的最大值吧，下溢则应该是超过了最小值。这两个应该是带符号数的表示中的吧。 25 6 评论 分享 举报 上溢应该是想要表示的数超过了所能表示的最大值吧，下溢则应该是超过了最小值。这两个应该是带符号数的表示中的吧。 25 6 评论 分享 举报 上溢应该是想要表示的数超 阅读全文
posted @ 2019-07-15 14:44
交流_QQ_2240410488
阅读(1937)
评论(0)
推荐(0)
摘要：
123456789101112lstm=nn.LSTM(input_size, hidden_size, num_layers)x seq_len, batch, input_sizeh0 num_layers× \times×num_directions, batch, hidden_sizec0 阅读全文
posted @ 2019-07-15 10:24
交流_QQ_2240410488
阅读(3533)
评论(0)
推荐(0)
浙公网安备 33010602011771号