Campo aleatorio condicional

Un campo aleatorio condicional (Conditional Random Field o CRF en inglés) es un modelo estocástico utilizado habitualmente para etiquetar y segmentar secuencias de datos o extraer información de documentos.En algunos contextos también se lo denomina campo aleatorio de Márkov (inglés: Markov random Fields, MRF).este modelo asigna una etiquetaAunque presenta similitudes con los modelos ocultos de Márkov, estos son modelos generativos que modelan conjuntamente la distribución de probabilidad de las etiquetas (o estados) y las observaciones,, mientras que los campos aleatorios condicionales modelan la probabilidad de la secuencia correcta de etiquetas condicionada por las observaciones,Se puede representar con un grafo no dirigidoen el que cada vértice represente una variable aleatoria cuya distribución de probabilidad debe ser deducida, y cada arista indique una dependencia entre las variables de los vértices que conecta., también llamados observaciones, lo más frecuente es que sean también una secuencia.sea un vector, no un valor escalar, en cuyo caso tendríamos observaciones multimensionales.El grafo puede tener una estructura arbitrariamente compleja, aunque lo más común es que sea una cadena o un "rejilla".Estos modelos necesitan ser entrenados con N muestras; cada una contiene un conjunto de observaciones así como las etiquetas asociadas a esas observaciones.El modelo extrae un conjunto de característicasque representan las dependencias existentes entre diferentes estados y entre estos y la secuencia de observaciones.Al contrario que en los modelos ocultos de Márkov en donde cada estadodepende únicamente de la observación, aquí cada estado puede depender de varias observaciones al mismo tiempo, incluso de la secuencia completa si fuese necesario.En el entrenamiento del modelo éste asigna unos pesos a cada una de esas características, indicando su relativa importancia según el caso.Puesto que el entrenamiento puede ser muy costoso en tiempo y en espacio, lo habitual es usar algoritmos de optimización numérica, como el denominado L-BFGS.Algunas implementaciones de este modelo son las siguientes: