隱马尔科夫模型和词性标注.pptVIP

下载本文档

4
0
约1.12千字
约 101页
2017-04-20 发布于上海
举报
版权申诉

隱马尔科夫模型和词性标注.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

隱马尔科夫模型和词性标注

隐马尔科夫模型和词性标注;大纲;隐马尔科夫模型概述;马尔科夫链;转移概率Transition Probabilities;MM;MM;有限状态自动机;HMM;HMM;HMM;HMM;HMM;隐马尔可夫模型Hidden Markov Model;Hidden Markov Model;任务1：计算观察序列的概率;计算观察序列的概率;Trellis or Lattice(栅格);发射概率为1的情况;算法描述;发射概率不为1的情况;Trigram的情况;基于类的Trigram模型;Class Trigram的Trellis;重叠(overlapping)的Class Trigram;重叠的类Trigram的Trellis;讨论;任务2：计算能够解释观察序列的最大可能的状态序列;Viterbi算法;示意;Viterbi示例;Viterbi计算;Viterbi算法;N-best计算;N-Best Paths;N-Best Paths;N-Best Paths;N-Best Paths;N-Best Paths;N-Best Paths;N-Best Paths;N-Best Paths;N-Best Paths;N-Best Paths;N-Best Paths;N-Best Paths;结果;剪枝Pruning;任务3：根据观察序列寻找最佳参数模型;问题;Baum-Welch算法也称为Forward-Backward算法;前向概率后向概率示意图;Baum-Welch算法（续???;词性标注;词性(Part of Speech);POS举例;替代性测试;POS Tags ;Penn Treebank词性集;词性标注;POS歧义 (在Brown语料库中);词性标注的应用;目前的性能;词性标注;有指导的学习;用带标记的语料进行训练;无指导的学习;无指导学习的秘诀;未登录词;运行词性标注器;Πn=2.52 bn(人民)=7.37;bn(收入)=6.98 ann=2.76;bnh(和)=20 an nh=20;bc(和)=1.72 an c=3.58;bn(生活)=5.75 anh n=20;Viterbi算法举例;Πn=2.52 bn(人民)=7.37;bn(收入)=6.98 ann=2.76;bnh(和)=20 an nh=20;bn(生活)=5.75 anh n=20;bn(生活)=5.75 ac n=1.84;bn(生活)=5.75 ap n=1.28;bn(生活)=5.75 av n=1.92;n;n;n;n;n;n;n;n;n;n;n;n;n;n;n;n;N-Best Search结果;谢谢！