machine-learning - 在命名实体识别任务中，条件随机场是双向的吗？

Question

我目前正在处理命名实体识别任务。我正在使用条件随机场算法对标记的实体进行分类。我想知道这个算法是否像 BERT 一样是双向的？

该算法对每个单词的特征包括前一个单词和下一个单词，所以我猜是这样。这是否也意味着 CRF 正在预测整个句子？还是在每个字上？

感谢您对这个问题的任何引导！

标签： machine-learningnlpartificial-intelligencecrf

Answer 1

不。

例如，线性链条件随机场如下所示：

如您所见，要预测 Y4，您使用观察特征 phi_4'(Y4,X4) 和转换特征 phi_3(Y3,Y4)。这是因为遵循 CRF 的马尔可夫假设，即 Y3 的预测已经依赖于 Y3 和 Y2，因此，仅从 Y3 估计 Y'4 转移概率。

但是，您始终可以以相反的顺序提供观察特征序列的输入，以获得反向转换概率。