4. Parameter Estimation for CRFsWe

4. Parameter Estimation for CRFs
We now describe two iterative scaling algorithms to find
the parameter vector  that maximizes the log-likelihood of the training data. Both algorithms are based on the improved
iterative scaling (IIS) algorithm of Della Pietra et al.
(1997); the proof technique based on auxiliary functions
can be extended to show convergence of the algorithms for
CRFs.

Kết quả (Việt) 1:

4. tham số ước tính cho CRFsBây giờ chúng tôi mô tả hai thuật toán tỉ lệ lặp đi lặp lại để tìmCác véc tơ tham số tối đa hóa khả năng đăng nhập dữ liệu đào tạo. Thuật toán cả hai được dựa trên những cải tiếnlặp đi lặp lại tỷ lệ (IIS) thuật toán của Della Pietra et al.(1997); các kỹ thuật bằng chứng dựa trên phụ trợ chức năngcó thể được mở rộng để hiển thị sự hội tụ của các thuật toán choCRFs.

Kết quả (Việt) 2:

4. Thông số ước tính cho CRFs
Bây giờ chúng ta mô tả hai thuật toán nhân rộng lặp đi lặp lại để tìm
các vector tham số? nhằm tối đa hóa loga của dữ liệu huấn luyện. Cả hai thuật toán này được dựa trên sự cải tiến
rộng lặp (IIS) thuật toán của Della Pietra et al.
(1997); các bằng chứng kỹ thuật dựa trên các chức năng phụ trợ
có thể được mở rộng để hiển thị hội tụ của thuật toán cho
CRFs.