使用条件随机场的多标签分类

Question

是否可以将条件随机字段用于多标签分类？ 我在https://pystruct.github.io/user_guide.html看到了一个 python CRF 实现，但无法找到进行多标签分类的方法。

Answer 1

基本 CRF 不支持多标签分类。 但是，已经探索了一些扩展，例如集体多标签（CML）和具有特征的集体多标签（CMLF）。 从（1）：

在 [21] 中提出了一个基于条件随机场 (CRF) 的模型，其中提出了两个多标签图形模型，它们都将标签共现参数化。 集体多标签 (CML) 分类器维护标签共现的特征，而带特征的集体多标签 (CMLF) 维护与每个共现标签对的特征相对应的参数。 彼得森等。 阿尔。 最近以相反的方式提出了另一种有趣的生成建模方法，预测给定标签的一组实例 [39]。

---

参考资料：

• (1) Sorower, Mohammad S.“关于多标签学习算法的文献调查。” 俄勒冈州立大学，科瓦利斯 (2010)。 http://people.oregonstate.edu/~sorowerm/pdf/Qual-Multilabel-Shahed-CompleteVersion.pdf ； https://scholar.google.com/scholar?cluster=11211211207326445005&hl=en&as_sdt=0,22
• (21) N. Ghamrawi 和 A. Mccallum。 集体多标签分类。 在 3005 ACM 信息和知识管理会议 (CIKM '05) 的会议记录中，第 195-200 页，德国不来梅，2005 年。http: //www.dtic.mil/dtic/tr/fulltext/u2/a440081.pdf
• (39) James Petterson 和 Tiberio Caetano。 逆向多标签学习。 在 J. Lafferty、CKI Williams、R. Zemel、J. Shawe-Taylor 和 A. Culotta，编辑，神经信息处理系统进展 23，第 1903-1911 页。 2010 年。

Answer 2

我遇到了一个名为模糊 CRF的修改后的CRF ，如下所示。

从论文中的方程 2 可以看出，它的数学非常简单：

我们只是将分子中路径的所有能量相加，分母保持不变。 对于推理，我们可以应用维特比或波束搜索。