问题引入

在这块面试中问到的比较少在项目中用到的话，那可能会你问一下。那到底HMM和CRF有啥区别呢？

问题解答

在解决这个问题之前，我们需要先了解一下某些基本的定义。HMM和CRF这些模型通常是出现在序列标注中，隐马尔可夫模型（Hidden Markov Model，HMM），最大熵马尔可夫模型（Maximum Entropy Markov Model，MEMM）以及条件随机场（Conditional Random Field，CRF）模型。

HMM首先出现，其对转移概率和表现概率直接建模，统计共现概率。MEMM其次，对转移概率和表现概率建立联合概率，统计的是条件概率。CRF最后出现，其统计了全局概率，在做归一化时考虑了数据在全局的分布，而不是仅仅在局部归一化。

不废话，这里只看HMM和CRF的区别，如下：

1.HMM是生成模型，CRF是判别模型

2.HMM是概率有向图，CRF是概率无向图

3.HMM求解过程可能是局部最优，CRF可以全局最优

4.CRF概率归一化较合理，HMM则会导致label bias 问题

具体的HMM和CRF的定义这里就不介绍了，知乎上有大把例子，可以去看下。

参考：

https://www.zhihu.com/question/20962240/answer/33561657

https://zhuanlan.zhihu.com/p/104562658

https://blog.csdn.net/Scythe666/article/details/82021692

喜欢就关注一下啦~~~