在为一张照片分类时，必须将与它相邻的照片的标签信息考虑进来。
eg: 词性标注问题
动词后面还是动词就是一个特征函数，我们可以定义一个特征函数集合，用这个特征函数集合为一个标注序列打分，并据此选出最靠谱的标注序列。
也就是说，每个特征函数都可以用来为一个标注序列评分，把集合中所有特征函数对同一个标注序列的评分综合起来，就是这个标注序列最终的评分值。
定义CRF中的特征函数
接受四个参数：
句子
（就是我们要标注词性的句子）
，用来表示句子s中的第i个单词
，表示要评分的标注序列给第i个单词标注的词性
，表示要评分的标注序列给第i-1个单词标注的词性
输出值是0或者1，0表示要评分的标注序列不符合这个特征，1表示要评分的标注序列符合这个特征。
从特征函数到概率
定义好一组特征函数后，我们要给每个特征函数赋予一个权重。现在，只要有一个句子s，有一个标注序列l，我们就可以利用前面定义的特征函数集来对l评分。
上式中有两个相加，外面的求和用来相加每一个特征函数，里面的相加用来相加句子中每个位置的单词的的特征值。
对这个分数进行指数化和标准化，我们就可以得到标注序列的概率值
几个特征函数的例子
当是“副词”并且第i个单词以“ly”结尾时，我们就让f1 = 1，其他情况f1为0。不难想到，f1特征函数的权重λ1应当是正的。而且λ1越大，表示我们越倾向于采用那些把以“ly”结尾的单词标注为“副词”的标注序列。
如果i=1，=动词，并且句子s是以“？”结尾时，f2=1，其他情况f2=0。同样，λ2应当是正的，并且λ2越大，表示我们越倾向于采用那些把问句的第一个单词标注为“动词”的标注序列。
当是介词，
是名词时，f3 = 1，其他情况f3=0。λ3也应当是正的，并且λ3越大，说明我们越认为介词后面应当跟一个名词。
如果和
都是介词，那么f4等于1，其他情况f4=0。这里，我们应当可以想到λ4是负的，并且λ4的绝对值越大，表示我们越不认可介词后面还是介词的标注序列。
为了建一个条件随机场，我们首先要定义一个特征函数集，每个特征函数都以整个句子s，当前位置i，位置i和i-1的标签为输入。然后为每一个特征函数赋予一个权重，然后针对每一个标注序列l，对所有的特征函数加权求和，必要的话，可以把求和的值转化为一个概率值。
