Structured SVM

释义 Definition

Structured SVM（结构化支持向量机）：支持向量机（SVM）的一种扩展，用于预测结构化输出（如序列、树、匹配、分割标注等），不仅判断类别，还要输出带有内部关系的整体结果；常用于自然语言处理与计算机视觉中的结构化预测任务。（除这一常见用法外，SVM 还有用于二分类/回归等基础形式。）

发音 Pronunciation (IPA)

/ˈstrʌktʃərd ˌɛs viː ˈɛm/

例句 Examples

Structured SVM is often used for sequence labeling.
结构化支持向量机常用于序列标注。

By designing a joint feature function, the structured SVM can learn to choose the best output structure under a large-margin objective, even when outputs are complex and interdependent.
通过设计联合特征函数，结构化支持向量机可以在大间隔目标下学习选择最优的输出结构，即使输出很复杂且相互依赖。

词源 Etymology

Structured 来自拉丁语词根 *struct-*（“建造、组织”），在机器学习里指“带结构的输出/对象”。SVM 是 Support Vector Machine（支持向量机） 的缩写，源于统计学习理论与大间隔分类思想；“Structured SVM”则表示把 SVM 的大间隔原则推广到“结构化输出”场景。

相关词 Related Words

• Structured Prediction
• Support Vector Machine
• Large-Margin
• Sequence Labeling
• Conditional Random Field
• Hinge Loss
• Joint Feature
• Inference

文献与作品 Literary / Notable Works

• Tsochantaridis, Joachims, Hofmann, Altun (2005), Large Margin Methods for Structured and Interdependent Output Variables（结构化 SVM 的经典代表性论文）
• Joachims, Finley, Yu (2009), Cutting-Plane Training of Structural SVMs（结构化 SVM 训练算法的重要工作）
• Bishop (2006), Pattern Recognition and Machine Learning（在结构化/判别式学习与大间隔方法背景中常被引用与对照）
• Murphy (2012), Machine Learning: A Probabilistic Perspective（在结构化预测与判别式方法部分会提及/对比结构化 SVM）