條件隨機場

條件隨機場（conditional random field，簡稱 CRF），是一種鑑別式概率模型，是隨機場的一種，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。

如同馬爾可夫隨機場，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 的分佈為條件概率，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概率分佈，沒有如隱藏式馬可夫模型那般強烈的假設存在。線性鏈條件隨機場應用於標註問題是由Lafferty等人與2001年提出的^[1]。