關於隱馬爾科夫模型，在我愛自然語言處理上有乙個很生動形象的解釋：
至少要知道以下幾點：
（1）hmm是乙個數學模型，包括隱藏狀態集合、觀察狀態集合、觀察狀態的初始概率向量π, 隱藏狀態間的轉移矩陣a，隱藏狀態轉換為觀察狀態的混淆矩陣b，b又叫做發射矩陣，隱藏狀態轉換為觀察狀態成為發射狀態。
（2）hmm由π，a，b三個引數可以確定，hmm（π，
a，b）。
（3）hmm可以用來解決三個問題：
a. 給定乙個模型，如何計算某個特定的觀測序列的概率；
b. 給定乙個模型和某個特定的觀測序列，如何找到最可能產生這個輸出的隱藏狀態序列；
c. 給定足夠的觀測資料，如何估計hmm的三個引數 。
（4）語音識別主要關注第一和第三個問題，詞性標註主要關注第二和第三個問題。
（5）a 可以通過前向演算法快速解決，b 需要利用viterbi演算法解決，c 有兩種方法解決：有監督或者無監督方法訓練引數。有監督的引數訓練通過標註訓練集統計獲得相關引數，難度較低；無監督的引數訓練則通過鮑姆-韋爾奇演算法迭代訓練獲得，難度很大。
標註問題以及隱馬爾可夫模型
序列標註問題 給定乙個句子x1 xn,生成乙個與之對應的序列y1 yn.如詞性標註。序列標註的目標是從訓練資料中學習乙個從句子到標註序列的對映。詞性標註的乙個難點是歧義。英文中的許多單詞可以有不同的詞性。另外乙個問題是訓練語料不可能窮盡所有的單詞，如何確定訓練語料中沒出現過單詞的詞性同樣值得研究。詞...
隱馬爾可夫模型
隱 馬爾可夫模型 hidden markov model，hmm 作為一種統計分析模型，創立於20世紀70年代。80 年代得到了傳播和發展，成為訊號處理的乙個重要方向，現已成功地用於語音識別 行為識別，文字識別以及故障診斷等領域。隱馬爾可夫模型是馬爾可夫鏈的一種，它的狀態不能直接觀察到，但能通過觀測...
隱馬爾可夫模型
對隱馬爾可夫模型的解釋，個人覺得一句簡單概括就是 在馬爾可夫鏈的情況下對每乙個狀態都加入乙個單獨輸出口，而我們把這個輸出口定為可視視窗，可把馬爾可夫鏈放到裡面藏起來。ok！這樣就是知道隱馬爾可夫模型的結構了。通過如下例子來說明hmm的含義。假定乙個暗室中有n個口袋，每個口袋中有m種不同顏色的球，乙個...