基于条件随机场_CRFs_的中文词性标注方法

词性标注工具有一个models文件夹，该文件夹下有两种类型的问价：.tagger类型和.props类型。其中.tagger类型的文件是词性标注训练出来的模型文件，.props类型是其对应的proper

英文词性标注训练数据。

将需要分词进行词性标注的句子存放在corpus文本文件（自建）中，最好是每句话存为一行。注：corpus文件需放在代码所在文件夹里。运行代码，自动生成一个outcome文本文件，分词词性标注结果就在此

关系数据有两个特征:第一,我们希望建模的实体之间存在统计依赖关系;第二,每个实体通常都有一组丰富的特性,可以帮助分类;图模型是一种利用实体间依赖结构的自然形式。

条件随机场的ppt，讲得比较详细 对研究条件随机场有一定的帮助

用于遥感影像分类的复合核条件随机场

为了提高网络系统中常用的用户名/密码身份鉴别系统的安全性，提出基于用户击键特征的二次身份鉴别方案。该方案在现有的用户名/密码认证方案上加入基于条件随机场的击键特征建模和识别步骤，并在理论上对该方案作了

针对图像语义分割中图像的上下文信息利用不充分、边缘分割不清等问题,提出一种基于多尺度特征提取与全连接条件随机场的网络模型。分别以多尺度形式将RGB图像和深度图像输入网络,利用卷积神经网络提取图像特征;

基于隐马尔科夫模型的词性标注，PPT，详细描述

非常详细的关于CRF条件随机场的介绍论文