条件随机场

条件随机场（conditional random field，简称 CRF），是一种鉴别式机率模型，是随机场的一种，常用于标注或分析序列资料，如自然语言文字或是生物序列。

如同马尔可夫随机场，条件随机场为无向性之图模型，图中的顶点代表随机变数，顶点间的连线代表随机变数间的相依关系，在条件随机场当中，随机变数 Y 的分布为条件机率，给定的观察值则为随机变数 X。原则上，条件随机场的图模型布局是可以任意给定的，一般常用的布局是链结式的架构，链结式架构不论在训练（training）、推论（inference）、或是解码（decoding）上，都存在有效率的演算法可供演算。

条件随机场跟隐藏式马可夫模型常被一起提及，条件随机场对于输入和输出的机率分布，没有如隐藏式马可夫模型那般强烈的假设存在。线性链条件随机场应用于标注问题是由Lafferty等人与2001年提出的^[1]。