原创力文档- 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
隐马尔可夫模型主讲教师：国伟
隐马尔可夫模型
隐马尔可夫模型（HiddenMarkovModel，HMM）是一种概率模型，用于解决序列预测问题，可以对序列数据中的上下文信息进行建模。HMM用于描述含有隐含未知参数的马尔可夫过程。在HMM中，有两种类型的节点，分别为观测序列与状态序列。状态序列是不可见的，它们的值是需要通过从观测序列进行推断而得到的。
隐马尔可夫模型
1）马尔可夫模型?
隐马尔可夫模型
?
隐马尔可夫模型
2）隐马尔可夫模型马尔可夫模型中的状态是可见的，而HMM的状态则是部分可见。HMM描述观测变量和状态变量之间的概率关系。与马尔可夫模型相比，HMM不仅对状态建模，而且对观测值建模。不同时刻的状态值之间，同一时刻的状态值和观测值之间，都存在概率关系。
隐马尔可夫模型
3）一个HMM示例假设暗室里有3个不同形状的骰子，第一个骰子含有六个面（1~6，记为D6），第二个骰子含有四面体（1~4，记为D4），第三个骰子含有八个面（1~8，记为D8）。假设暗室里的实验员根据某一概率分布随机的挑选一个骰子，然后掷骰子，并向室外的报告投掷的数字结果，重复上述过程。对于暗室外边的人来说，只能观察到投掷的数字结果的序列，而骰子的序列是观察不到的。如连续掷骰子8次，得到数字序列为{3,1,2,4,8,7,3,1}。这一串数字是可见的，也称为可见状态链。除了可见状态链，还有一串隐含状态链，也就是实验员挑选骰子的序列。
隐马尔可夫模型HMM中的马尔可夫链，通常是指隐含状态链。隐含状态链中有不同骰子之间的转换概率，即不同隐含状态之间有一个转移概率。这里已知3个骰子任选一个时的概率都是1/3，如D4转换成D6时，概率为1/3，D6转换为D8时，概率也为1/3。当然，也可以人为设定转移概率，使得抽取到不同骰子的概率也不相同，从而形成一个新的隐马尔可夫模型。
隐马尔可夫模型另一方面，在每一个骰子掷出数字时也有一个概率，即不可见状态和可见状态之间有一个发射概率，如D4掷出数字1~4的概率都是1/4，D8掷出数字1~8的概率都是1/8。同样地，输出概率也可以人为设定，设定某个骰子掷出特定数字时的概率更大或更小。掷骰子过程如下图所示。
隐马尔可夫模型
4）隐马尔可夫模型?
隐马尔可夫模型
5）HMM的两个基本假设?
隐马尔可夫模型
6）中文分词与HMM中文分词可以看作是中文的标注问题。标注问题是给定观测序列预测其对应的标记序列。假设标注问题的数据是由HMM生成的，利用HMM的学习与预测算法进行标注。下面以中文分词问题为例，介绍HMM如何用于中文标注。对于句子“我是中华人民共和国国民”，在这里观测序列为“我是中华人民共和国国民”，每个字为每个时刻的观测值。
隐马尔可夫模型
状态序列为标注的结果，每个时刻的状态值有4种情况{B,M,E,S}，其中B代表该字是起始位置的字，M代表中间位置的字，E代表末尾位置的字，S代表能够单独成字的字。对待分词语句进行序列标注，如果得到状态序列Q为{SSBEBME}，则有“我/S是/S一/B位/E程/B序/M员/E”。得到了这个标注结果后，即可得到分词结果。遇到S，则为一个单字词，遇到B，则为一个词的开始，直到遇到下一个E，则为一个词的结尾。这样句子“我是中华人民共和国国民”的分词结果为“我/是/中华人民共和国/国民”。
隐马尔可夫模型
?
隐马尔可夫模型
?
隐马尔可夫模型主讲教师：国伟
文档评论（0）