结构化预测是机器学习、计算机视觉、自然语言处理一个重要的研究课题。本次讲座我将给大家介绍一个创新的统一结构化预测框架。该框架囊括了目前已有的结构化预测模型,如线性链条件随机场(Linear chain Conditional Random Field, CRF)、半-马尔科夫条件随机场(semi-Markov CRF)、隐变量条件随机场(latent variable CRF)、基于概率上下文无关文法的句法分析(Probabilistic Context Free Grammar, PCFG)、基于树形条件随机场(tree-CRF)、结构化支持向量机(structured SVM)和基于深度学习的结构化预测模型,如神经网络/长短记忆网络条件随机场等。基于上述框架,我们可以方便快捷的实现其他复杂的结构化预测模型(如混合树模型),其他传统模型无法实现的带重叠结构的模型。该框架亦被使用应用于信息抽取、名词短语组块(noun phrase chunking)、语义解析(semantic parsing)、情感分析和算术应用题解析等实际场景中。
张坤