1序列标注与局部—全局约束
闭卷重建序列标注与局部—全局约束的对象、公式、算例、算法与失败边界。
自然语言处理 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2HMM生成假设与参数
闭卷重建HMM生成假设与参数的对象、公式、算例、算法与失败边界。
3Viterbi动态规划
闭卷重建Viterbi动态规划的对象、公式、算例、算法与失败边界。
4线性链CRF与归一化
闭卷重建线性链CRF与归一化的对象、公式、算例、算法与失败边界。
5词性标注与标签体系
闭卷重建词性标注与标签体系的对象、公式、算例、算法与失败边界。
6命名实体、BIO与跨度解码
闭卷重建命名实体、BIO与跨度解码的对象、公式、算例、算法与失败边界。
7弱监督、字典与序列评价
闭卷重建弱监督、字典与序列评价的对象、公式、算例、算法与失败边界。
第 1 页 · 背面（答案）
对象：HMM用标签转移和词发射生成观测，假设当前标签只依赖前一标签、当前词只依赖当前标签。；公式：P(x,y)=P(y1) product transitions product emissions。；算例：初始.5、发射.4、转移.2、第二发射.5，两步联合概率.02。；边界：把未知词发射设零；训练与解码标签集合不一致。。
对象：POS、NER等为token/span赋标签；逐token分类忽略标签转移，全局模型用序列得分约束合法结构。；公式：best tags=argmax_y score(x,y) over legal sequences。；算例：BIO中I-PER不能在O后无B-PER直接出现，局部最高分序列可能非法。；边界：子词标签未映回词/span；padding位置计入损失。。
对象：CRF直接给条件序列分布，联合发射/转移特征并用全局配分函数归一；训练需前向—后向。；公式：P(y|x)=exp(score(x,y))/Z(x)。；算例：两条序列未归一权重2和3，第一条概率.4。；边界：只算gold得分不算Z；训练用非法BIO序列进入状态空间。。
对象：Viterbi保存到每位置/状态的最佳路径分数和回指，避免枚举指数序列。；公式：V[t,s]=emission(t,s)+max_prev(V[t-1,prev]+transition)。；算例：某状态两条候选对数分数-3和-2，保留-2及其前驱。；边界：只保留每位置全局一个状态；回指未随最大值更新。。
对象：NER同时识别实体边界和类型；BIO/BILOU编码需合法化并映回原文字符偏移。；公式：entity exact F1 from span+type TP,FP,FN。；算例：金标[0,4)ORG，预测[0,3)ORG，严格跨度不算TP。；边界：只报token准确率；把重叠实体强塞单层BIO不说明丢失。。
对象：词性依语言和标注目的，粗细粒度、兼类与未知词处理影响可比性和下游用途。；公式：accuracy=correct tokens/evaluated tokens under same guideline。；算例：“研究”在“研究问题”是动词，在“研究成果”可作名词修饰，需上下文和指南。；边界：把不同树库标签直接合并；标点/多词表达口径未声明。。
对象：字典、规则和远程监督可扩标注，但覆盖偏差和噪声需建模；评价必须在独立人工金标集。；公式：estimated correct weak labels=accepted×precision_on_audit_sample。；算例：接受1000弱标签，抽检精度.85，预计约850正确。；边界：用同一字典生成训练和测试金标；未匹配样本都标O。。