CRF条件随机场

线性链条件随机场

DEFINITION

$p(\mathbf{y} | \mathbf{x})=\frac{1}{Z(\mathbf{x})} \prod_{t=1}^{T} \exp \left\{\sum_{k=1}^{K} \theta_{k} f_{k}\left(y_{t}, y_{t-1}, \mathbf{x}_{t}\right)\right\}$
$Z(\mathbf{x})=\sum_{\mathbf{y}} \prod_{t=1}^{T} \exp \left\{\sum_{k=1}^{K} \theta_{k} f_{k}\left(y_{t}, y_{t-1}, \mathbf{x}_{t}\right)\right\}$

ESTIMATION

损失函数为
$\ell(\theta)=\sum_{i=1}^{N} \log p\left(\mathbf{y}^{(i)} | \mathbf{x}^{(i)} ; \theta\right)$
即 $\ell(\theta)=\sum_{i=1}^{N} \sum_{t=1}^{T} \sum_{k=1}^{K} \theta_{k} f_{k}\left(y_{t}^{(i)}, y_{t-1}^{(i)}, \mathbf{x}_{t}^{(i)}\right)-\sum_{i=1}^{N} \log Z\left(\mathbf{x}^{(i)}\right)$
对 $\theta_k$ 求导结果为
$\begin{aligned} \frac{\partial \ell}{\partial \theta_{k}}=& \sum_{i=1}^{N} \sum_{t=1}^{T} f_{k}\left(y_{t}^{(i)}, y_{t-1}^{(i)}, \mathbf{x}_{t}^{(i)}\right) \\ &-\sum_{i=1}^{N} \sum_{t=1}^{T} \sum_{y, y^{\prime}} f_{k}\left(y, y^{\prime}, \mathbf{x}_{t}^{(i)}\right) p\left(y, y^{\prime} | \mathbf{x}^{(i)}\right)\end{aligned}$
关注一下 $p\left(y, y^{\prime} | \mathbf{x}^{(i)}\right)$ 是怎么得来的：
$\begin{aligned} \frac{\partial \log Z\left(\mathbf{x}^{(i)}\right)}{\partial \theta_{k}} &= \frac {1}{Z\left(\mathbf{x}^{(i)}\right)} \sum_{\mathbf{y}} \frac{\partial \left\{ \prod_{t=1}^{T} \exp \left\{\sum_{k=1}^{K} \theta_{k} f_{k}\left(y_{t}, y_{t-1}, \mathbf{x}_{t}\right)\right\} \right\} } {\partial \theta_k} \\ &=\frac {1}{Z\left(\mathbf{x}^{(i)}\right)} \sum_{\mathbf{y}} \left\{ \prod_{t=1}^{T} \exp \left\{\sum_{k=1}^{K} \theta_{k} f_{k}\left(y_{t}, y_{t-1}, \mathbf{x}_{t}\right)\right\} * \sum_{t=1}^{T} f_{k}\left(y_{t}, y_{t-1}, \mathbf{x}_{t}\right) \right\} \\ &= \sum_{\mathbf{y}} \left\{ p\left( \mathbf{y} | \mathbf{x}^{(i)}\right) * \sum_{t=1}^{T} f_{k}\left(y_t, y_{t-1}, \mathbf{x}_{t}^{(i)}\right) \right\} \\ &= \sum_{t=1}^{T} \sum_{y, y^{\prime}} f_{k}\left(y, y^{\prime}, \mathbf{x}_{t}^{(i)}\right) p\left(y, y^{\prime} | \mathbf{x}^{(i)}\right) \end{aligned}$
解释：
从第一行到第二行可以将累乘符号转换为exp中的累加即得。
从第三行到第四行是将中括号内部的求和符号放在外面去。然后进行边缘概率的计算。

理解清楚这里就可以利用prml里面的sum-product algorithm来进行优化求导。

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 204,445评论 6赞 478
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 85,889评论 2赞 381
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 151,047评论 0赞 337
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 54,760评论 1赞 276
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 63,745评论 5赞 367
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 48,638评论 1赞 281
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 38,011评论 3赞 398
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 36,669评论 0赞 258
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 40,923评论 1赞 299
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 35,655评论 2赞 321
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 37,740评论 1赞 330
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 33,406评论 4赞 320
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 38,995评论 3赞 307
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 29,961评论 0赞 19
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 31,197评论 1赞 260
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 45,023评论 2赞 350
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 42,483评论 2赞 342

CRF条件随机场

DEFINITION

ESTIMATION

推荐阅读更多精彩内容