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