基于共现率分解的条件随机场分离训练
机器学习
2012-12-05 v5 人工智能
摘要
条件随机场(CRFs)的标准训练方法在大规模应用中非常缓慢。作为替代方案，分段训练将完整图分解为多个片段，独立训练它们，并在测试时组合学习到的权重。在本文中，我们提出了一种基于新颖的共现率分解(CR-F)的无向模型分离训练方法。分离训练是一种局部训练方法。与MEMMs相比，分离训练不受标签偏差问题的影响。实验表明，分离训练(i)不受标签偏差问题的影响；(ii)将训练时间从数周减少到数秒；(iii)在线性链CRF上获得了与标准训练和分段训练相竞争的结果。
引用
@article{arxiv.1008.1566,
title = {Separate Training for Conditional Random Fields Using Co-occurrence Rate Factorization},
author = {Zhemin Zhu and Djoerd Hiemstra and Peter Apers and Andreas Wombacher},
journal= {arXiv preprint arXiv:1008.1566},
year = {2012}
}
备注
10pages