摘要：通常，我们希望预测大量的，正如依赖于其他观察到的变元一样，互相间同样存在依赖的变元。结构化的预测模型，本质上是分类方法和图形化建模的结合，这些预测模型将图形化模型对多变元数据的有效建模能力，以及分类方法通过使用大的输入特征集来作出预测的能力结合起来。本指引讨论用于结构化预测的一个流行的概率模型——条件随机域。条件随机域广泛应用于自然语言处理、计算机视觉，以及生物信息学。我们讨论推理的方法以及条件随机域的参数估计，包括实现大规模条件随机域的实际问题。我们并没有假设读者具备任何图形化建模的预备知识，因此本指引的目的，是对广泛领域的从业者都有所助益。
原文页面：https://s3-us-west-2.amazonaws.com/mlsurveys/130.pdf
An Introduction to Conditional Random Fields论文摘要（翻译：Trey；审校：Shooya）,布布扣,bubuko.com
An Introduction to Conditional Random Fields论文摘要（翻译：Trey；审校：Shooya）
原文地址：http://www.cnblogs.com/treyscience/p/3753866.html
