条件随机场(conditional random field,簡稱 CRF),是一種鑑別式 機率 模型,是随机场的一种,常用於標注或分析序列資料,如自然語言文字或是生物序列。

如同马尔可夫随机场,條件隨機場為無向性之 圖模型 ,圖中的頂點代表隨機變數,頂點間的連線代表隨機變數間的相依關係,在條件隨機場當中, 隨機變數 Y 的分佈為 條件機率 ,給定的觀察值則為隨機變數 X。原則上,條件隨機場的圖模型佈局是可以任意給定的,一般常用的佈局是鏈結式的架構,鏈結式架構不論在訓練(training)、推論(inference)、或是解碼(decoding)上,都存在有效率的 演算法 可供演算。

條件隨機場跟隱藏式馬可夫模型常被一起提及,條件隨機場對於輸入和輸出的 機率分佈 ,沒有如隱藏式馬可夫模型那般強烈的假設存在。 线性链条件随机场应用于标注问题是由Lafferty等人与2001年提出的。


本文使用维基百科文章條件隨機域中的材料,它是在Creative Commons Attribution-Share-Alike License 3.0下发布的。