주 메뉴 열기

바뀜

 
=== 다른 방법에 비한 장점 ===
:====특정 위치에서 입력에 대한 측정값 확신====
::은닉 마르코프 모델과는 달리, 조건부 무작위장은 특정 위치에서의 측정값을 확신할 수 있다. 이는 은닉 마르코프 모델은 생성 모델, 조건부 무작위장은 판별 모델에서 기인한 것에서 생겨난 차이다. <ref>"What Are Conditional Random Fields?", Perpetual Enigma, http://prateekvjoshi.com/2013/02/23/what-are-conditional-random-fields</ref>
:====라벨 편향 문제 해결====
::최대 엔트로피 마르코프 모델이나 다른 마르코프 무작위장 모델, 즉, 방향성 그래프 모델로부터 발견될 수 있는 약점인 라벨 편향 문제를 피할 수 있다. 이는 조건부 무작위장이 비방향성 그래프 모델로 정의되기 때문이다.
:====일련 데이터 라벨링====
::[[생물정보학]], [[전산언어학]], [[음성 인식]] 분야에서 일련된 데이터의 라벨링시, 은닉 마르코프 모델, 최대 엔트로피 마르코프 모델보다 좋은 성능을 기대할 수 있다.
 
 
=== 다른 방법에 비한 한계점 ===

편집

40