大连理工大学硕士学位论文 2条件随机域（CRFs）模型 条件随机域（Conditional Random Fields，CRFs）是由JohnLafferty等人于2001年提 出的一个基于统计的序列标记识别模型。
基于2534个网页-相关网页
...用BIO标签策略进行NER时，正确的标签序列中标签O后面是不会接标签I的 在传统机器学习中，条件随机场（Conditional Random Field，CRF）是NER目前的主流模型。它的目标函数不仅考虑输入的状态特征函数，而且还包含了标签转移特征函数。
基于326个网页-相关网页
...对不同景物的纹理依存关系进行建模，并在此基础上设计了多种景物特征项，提出了一种条件随机场模型（Conditional Random Field）对这些景物特征项进行融合。
基于32个网页-相关网页
条件随机域模型 条件随机域模型(Conditional Random Fields，CRFs) 是一种建立切分和标注序列数据概 率模型的框架，它用特征函数的方式综合使用各种互相影响的语言特征，集...
基于8个网页-相关网页
Maximal Margin Conditional Random Field 为最大边缘条件随机场
joint conditional random field 联合条件随机场
We incorporate context information into the problem of query classification by using conditional random field （CRF） models.
本文利用条件随机场(CRF)模型把上下文信息引入查询词分类问题当中。
参考来源 - 基于大规模搜索日志挖掘的上下文感知搜索研究·2,447,543篇论文数据，部分数据来源于NoteExpress
以上来源于: WordNet
Firstly, maximum a posteriori framework is created according to conditional random field model and Markov random field model.
根据条件随机场模型和马尔可夫随机场模型建立了一个最大后验概率框架。
So Conditional Random Field (CRF) is introduced to build POS tagging model in this paper, in order to overcome above problems.
论文引入条件随机域建立词性标注模型，易于融合新的特征，并能解决标注偏置的问题。
In our method, we transformed the problem into an equivalent sequence tagging problem, and built up the automatic generation model through the first order conditional random field.
我们的方法是将简称生成问题转化为等价的序列标注问题，并利用一阶条件随机场建立自动生成模型。
应用推荐