Jul, 2012

基于条件随机场的有限状态字符串编辑距离判别式训练模型

PDF
TL;DR该研究介绍了一种区分性字符串编辑条件随机场模型，可应用于序列相似性测量、数据挖掘等领域，并采用正负实例的训练模型，在多组数据集上均取得了积极的实验结果。
发现论文，激发创造
  • 神经条件随机场的序列分类

    该研究论文探讨了如何使用基于条件随机场（CRFs）的多传感器融合算法对人类活动监控的大量时间序列进行分类，同时提供了区分不同类型序列的判别模型，实验结果证明了该方法的有效性。

    Feb, 2016

  • 高效诱导条件随机场特征

    本文介绍了一种 CRFs 的特征归纳方法，该方法基于构建仅显著增加对数似然的特征联合的原则，与 Della Pietra 等人的方法不同，具有更高的准确性和较低的特征数量，适用于线性链 CRFs 和关系马尔可夫网络，实验证明其在命名实体识别任务中的有效性。

    Oct, 2012

  • 神经字符串编辑距离

    本文提出神经字符串编辑距离模型用于字符串对匹配与转录，并在同一框架中平衡精度与可解释性，通过对认知相似性，音译以及字音转换等任务进行评估达到了最先进匹配模型的表现。

    Apr, 2021

  • 递归序列数据的分层半马尔可夫条件随机场

    本文提出了一种基于部分监督学习的、以区分性参数化的、具有多项式时间算法的分层半马尔可夫条件随机场模型，可以用于人类活动检测和名词短语分块等应用中进行复杂的分层嵌套马尔可夫过程建模，并在部分监督和有监督的数据中展示其高精度。

    Sep, 2010

  • 条件随机场简介

    该论文介绍结构化预测方法 —— 条件随机场，它是分类方法和图形建模的结合，可用于自然语言处理、计算机视觉和生物信息学等领域，该论文还描述了 CRFs 的推断和参数估计方法，以及实现大规模 CRFs 的实际问题。

    Nov, 2010

  • 基于掩码条件随机场的序列标注

    本研究提出了一种易于实现的条件随机场变体 MCRF，对 CRF 生成的非法标签序列的问题进行了解决，并在几乎不增加成本的情况下，彻底改善了已有 CRF 模型的性能表现。

    Mar, 2021

  • 条件随机场作为循环神经网络

    介绍了一种名为 CRF-RNN 的新型卷积神经网络，该网络将卷积神经网络（CNN）和基于 CRFs 的概率图建模相结合，用于语义图像分割任务，结果在 Pascal VOC 2012 分割基准测试上获得了最好的结果。

    Feb, 2015

  • 混合半 - Markov CRF 用于神经序列标记

    本文提出基于条件随机场的混合半马尔可夫模型，应用于自然语言处理中的神经序列标注任务，该模型采用词级别和片段级别的信息同时作为特征来提升性能，在 CoNLL 2003 命名实体识别任务中取得了最好的结果。

    May, 2018

  • 带有记忆增强条件随机场的长范围上下文依赖关系捕捉

    本文提出了通过集成外部记忆来扩展条件随机场的方法，克服了其只能模拟局部特征的限制，能够提高 NLP 任务的性能。实验证明该方法比强 CRF 和 LSTM 基线模型有更好的表现。

    Sep, 2017

  • 学习字符串编辑距离

    本文提出了一种基于概率的字符串编辑距离模型，并通过应用于口语语音中单词发音的学习来证明其实用性

    Oct, 1996