HMM（Hidden Markov Model）は時系列データの生成モデルとしてよく知られている．しかし，近年，HMMに対応する識別モデルであるCRF（Conditional Random Field）が提案され，多くの応用問題で有効性が示されている．HHMM（Hierarchical HMM）はHMMを一般化した生成モデルであり，時系列データの状態を階層的に表現する．我々はHHMMに対応する識別モデルとして，HHCRF（Hierarchical Hidden CRF，階層隠れCRF）を提案する．HHMMとHHCRFの性能比較のために，生成モデルと識別モデルの性質を考慮しつつ人工データ実験を行い，パラメータ学習時の訓練集合サイズが大きくなり，かつデータ生成源が非一次マルコフモデルに近づくにつれて，状態系列推定におけるHHCRFの性能がHHMMのそれよりも，より高くなることを示す．