A segmentação de sequências é um problema desaFB01ador que pode ser aplicado em diversas áreas de pesquisa. O uso de modelos geradores como Modelo Oculto de Markov (HMM, do inglês Hidden Markov Model) e Modelo Oculto de Markov Generalizado (GHMM, do inglês Generalized Hidden Markov Model) é uma das abordagens mais comuns, entretanto recentemente pesquisas apontam um novo modelo discriminativo promissor chamado Campo Aleatório Condicional. Nesse trabalho desenvolvemos um arcabouço probabilístico orientado a objetos para a implementação de Campos Aleatórios Condicionais de Cadeias Lineares, uma variante que é bastante utilizada na segmentação de sequências. Esse objetivo foi alcançado a partir da extensão do arcabouço probabilístico ToPS, originalmente projetado para HMMs, GHMMs e outros modelos geradores. Nossa implementação conta com algoritmos de inferência eFB01cientes que paralelizam a computação e alcançam tempos de execução competitivos. Focando na facilidade de utilização, nosso arcabouço conta com um interpretador de modelos que permite a deFB01nição e treinamento de Campos Aleatórios Condicionais agilizando a prototipagem e investigação de problemas. Comparamos nossa abordagem com programas já existentes e observamos que nosso arcabouço permite ao usuário maior liberdade na deFB01nição de modelos além de obter melhor desempenho com relação ao tempo de execução.

not available