HMM模型用在词性标注、分词
来源:互联网 发布:java中size是什么意思 编辑:程序博客网 时间:2024/04/25 15:36
HMM(隐马尔可夫模型)是用来描述隐含未知参数的统计模型,举一个经典的例子:一个东京的朋友每天根据天气{下雨,天晴}决定当天的活动{公园散步,购物,清理房间}中的一种,我每天只能在twitter上看到她发的推“啊,我前天公园散步、昨天购物、今天清理房间了!”,那么我可以根据她发的推特推断东京这三天的天气。在这个例子里,显状态是活动,隐状态是天气。
HMM描述
任何一个HMM都可以通过下列五元组来描述:
例子描述
这个例子可以用如下的HMM来描述:
求解最可能的天气
求解最可能的隐状态序列是HMM的三个典型问题之一,通常用维特比算法解决。维特比算法就是求解HMM上的最短路径(-log(prob),也即是最大概率)的算法。
稍微用中文讲讲思路,很明显,第一天天晴还是下雨可以算出来:
定义V[时间][今天天气] = 概率,注意今天天气指的是,前几天的天气都确定下来了(概率最大)今天天气是X的概率,这里的概率就是一个累乘的概率了。
因为第一天我的朋友去散步了,所以第一天下雨的概率V[第一天][下雨] = 初始概率[下雨] * 发射概率[下雨][散步] = 0.6 * 0.1 = 0.06,同理可得V[第一天][天晴] = 0.24 。从直觉上来看,因为第一天朋友出门了,她一般喜欢在天晴的时候散步,所以第一天天晴的概率比较大,数字与直觉统一了。
从第二天开始,对于每种天气Y,都有前一天天气是X的概率 * X转移到Y的概率 * Y天气下朋友进行这天这种活动的概率。因为前一天天气X有两种可能,所以Y的概率有两个,选取其中较大一个作为V[第二天][天气Y]的概率,同时将今天的天气加入到结果序列中
比较V[最后一天][下雨]和[最后一天][天晴]的概率,找出较大的哪一个对应的序列,就是最终结果。
这个例子的Python代码:
输出:
NLP应用
具体到分词系统,可以将天气当成“标签”,活动当成“字或词”。那么,几个NLP的问题就可以转化为:
词性标注:给定一个词的序列(也就是句子),找出最可能的词性序列(标签是词性)。如ansj分词和ICTCLAS分词等。
分词:给定一个字的序列,找出最可能的标签序列(断句符号:[词尾]或[非词尾]构成的序列)。结巴分词目前就是利用BMES标签来分词的,B(开头),M(中间),E(结尾),S(独立成词)
命名实体识别:给定一个词的序列,找出最可能的标签序列(内外符号:[内]表示词属于命名实体,[外]表示不属于)。如ICTCLAS实现的人名识别、翻译人名识别、地名识别都是用同一个Tagger实现的。
小结
HMM是一个通用的方法,可以解决贴标签的一系列问题。
转自http://www.hankcs.com/nlp/hmm-and-segmentation-tagging-named-entity-recognition.html
- HMM模型用在词性标注、分词
- 转载 基于HMM模型的词性标注
- 一阶HMM词性标注
- python实现的基于hmm模型的词性标注系统
- 用pyltp做分词、词性标注、ner
- 结巴分词--词性标注
- HMM在自然语言处理中的应用一:词性标注
- HMM算法-viterbi算法的实现及与分词、词性标注、命名实体识别的引用
- 分词:词性标注北大标准
- 中文分词与词性标注
- 分词:词性标注北大标准
- 分词:词性标注北大标准
- 分词:词性标注北大标准
- jieba分词词性标注含义
- HMM模型在中文分词中的应用
- python词法分析(分词+词性标注)
- 中科院分词调用代码,无词性标注
- 中英文分词及词性标注工具
- 作业4.2:ORACLE特殊数据查询技术
- 不同包的解压包方法
- mysql数据库表卡死怎么办
- OpenGL中控制纹理绘制区域
- 线程同步的四种方式(MFC线程同步4种方式)
- HMM模型用在词性标注、分词
- JSON 数据格式
- js之页面渲染
- 货物移动_免费收货(MvT511)
- 5种单例模式
- Proud Merchants
- Android之在子线程更新UI(超详细)
- Java Web 在ECLIPSE中复制项目后URL指向原来项目路径
- Android ORM 框架之 greenDAO 使用心得