CRFs 模型克服 了传统的隐马尔可夫模型（Hidden Markov Model, HMM）和最大熵马尔可夫模型（Maximum Entropy Markov Model, MEMM）的标记偏置等问题。
基于19个网页-相关网页
CRFs 模型克服 了传统的隐马尔可夫模型（Hidden Markov Model, HMM）和最大熵马尔可夫模型（Maximum Entropy Markov Model, MEMM）的标记偏置等问题。
基于10个网页-相关网页
...分析了两种判别式模型：条件随机场模型（Conditional Random Field，CRF）和最大熵马尔科夫模型（Maximum Entropy Markov Model，MEMM）。
基于4个网页-相关网页
...括隐马尔科夫模型（HMM）、条件随机场（Conditional Random Field， CRF）和最大熵马尔科夫模型（Maximum Entropy Markov Model， MEMM）。 我们将在第7章中更加深入地详细讨论这些机器学习方法。
基于4个网页-相关网页
It relaxes the strong independence assumptions of a generative model (e. g. Hidden Markov Model) and overcomes the label-bias problem exhibited by the Maximum Entropy Markov Model and other discriminative models.
它不需要以隐马尔可夫模型为代表的“生成”模型那样的严格独立假设,并克服了最大熵马尔可夫模型和其他“非生成”模型所存在的标记偏置问题。
参考来源 - 基于条件随机场的汉语分词研究·2,447,543篇论文数据，部分数据来源于NoteExpress
应用推荐