algorithm - tutoriales - Cualquiera recomienda un buen tutorial sobre campos aleatorios condicionales
video tutoriales en linea (6)
He estado tratando de encontrar un buen tutorial sobre los campos aleatorios condicionales y todavía tengo que encontrar uno que no haya comenzado a enviar a mi cerebro a una crisis. 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.
La introducción más increíble a los CRF.
Además, este folleto para el aula explica bastante bien la "notación" para un CRF de cadena lineal.
Modelos probabilísticos clásicos y campos aleatorios condicionales
http://www.scai.fraunhofer.de/fileadmin/images/bio/data_mining/paper/crf_klinger_tomanek.pdf
Este es de lejos el mejor tutorial que he tenido la buena fortuna de encontrar. Como su título lo indica, desarrolla la idea de CRM al construir primero y relacionarse con modelos más familiares, como Naive Bayes, HMM y Maximum Entropy. El uso de colores y figuras también aumenta la comprensibilidad.
También "Análisis superficial con CRF" por Sha & Pereira here
También recomendaría this tesis doctoral, tiene un capítulo sobre modelos gráficos y uno sobre 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.
Un video tutorial muy interesante sobre los CRF impartido por el Prof. Charles Elkan (UCSD): http://videolectures.net/cikm08_elkan_llmacrf
Y las notas de la conferencia se pueden descargar desde su página de inicio: http://cseweb.ucsd.edu/users/elkan/250B/cikmtutorial.pdf
¡Aclamaciones! Hung Ngo.
Uno de los mejores recursos que he encontrado es en realidad una sección en el libro de Christopher Bishop, Reconocimiento de Patrones y Aprendizaje Automático (que recomiendo encarecidamente, por cierto) con respecto a Markov Random Fields (los CRF son campos especializados Markov Random Fields). Incluso tiene un ejemplo , que estoy seguro ya habrás notado, son increíblemente difíciles 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 ensayos académicos sobre el tema. Aquí hay algunos que me resultaron útiles:
Una introducción a los campos aleatorios condicionales para el aprendizaje relacional : este es bastante minucioso.
Campos aleatorios condicionales: modelos probabilísticos para segmentar y etiquetar datos de secuencia : este es el documento que originalmente delineó el marco de CRF. Me resulta un poco más fácil de leer que los que vinieron después. También compara CRF con HMM y MEMM (incluye diagramas).
Lo siento, eso es todo lo que puedo contribuir. Todavía estoy tratando de dominar los CRF yo mismo.