條件随機場（Conditional random fields）- CRFs

參考來源：

https://blog.csdn.net/chlele0105/article/details/14897761

最大熵模型： https://zhuanlan.zhihu.com/p/29978153

拉格朗日乘子法：

求解含有等式限制的最優化問題的局部最優解

大佬詳解的文章：https://blog.csdn.net/qq_36607894/article/details/89917997

如何了解：https://www.zhihu.com/question/38586401

最大熵模型：

隐馬爾科夫模型：

HMM - 描述隐含未知參數的統計模型

大佬詳解的文章：https://www.cnblogs.com/skyme/p/4651331.html

1. 随機場

   簡單地講，随機場可以看成是一組随機變量的集合（這組随機變量對應同一個樣本空間）。當給每一個位置按照某種分布随機 賦予一個值之後， 其全體就叫做 随機場 。當然，這些随機變量之間可能有依賴關系，一般來說，也隻有當這些變量之間有依賴關系 的時候，我們将其單獨拿出來看成一個 随機場才有實際意義。

   在機率論中, 由樣本空間Ω = {0, 1, …, G − 1}n取樣構成的随機變量Xi所組成的S = {X1, …, Xn}。若對所有的ω∈Ω下式均成立，則稱π為一個随機場。π(ω) > 0.

2.馬爾可夫性質

馬爾可夫一般是馬爾可夫性質的簡稱。它指的是一個随機變量序列按時間先後關系依次排開的時候，第N+1時刻的分布特性，與N時刻以前的随機變量的取值無關。拿天氣來打個比方。如果我們假定天氣是馬爾可夫的，其意思就是我們假設今天的天氣僅僅與昨天的天氣存在機率上的關聯，而與前天及前天以前的天氣沒有關系。其它如傳染病和謠言的傳播規律，就是馬爾可夫的。

https://blog.csdn.net/zhoubl668/article/details/7786290