中文分词笔记之二:隐马尔科夫模型
来源:互联网 发布:在淘宝联盟直接下单 编辑:程序博客网 时间:2024/05/24 04:47
这里以中文分词为例:
在正常的马尔可夫模型中,状态对于观察者来说是直接可见的。这样状态的转换概率便是全部的参数。而在隐马尔可夫模型中,状态并不是直接可见的,但受状态影响的某些变量则是可见的。每一个状态在可能输出的符号上都有一定的概率分布。因此输出符号的序列能够透露出状态序列的一些信息。
隐马尔科夫模型一共有两组状态,三个矩阵:
- 隐藏状态:一个系统的(真实)状态,可以由一个马尔科夫过程进行描述,表示为:
w,w 为词。 - 观察状态:在这个过程中‘可视’的状态,表示为:
C (字符串)。 - 初始状态概率向量:模型在最初隐藏状态的概率,表示为:
P(w) - 状态转移概率矩阵:包含了一个隐藏状态到另一个隐藏状态的概率,表示为:
P(wn|wn−1) - 发射概率(混淆矩阵):包含了给定隐马尔科夫模型的某一个特殊的隐藏状态,观察到的某个观察状态的概率,表示为:
P(C|S)=1,C 为字符串,S 为词w 组成的词串。
二元分词即齐次隐马尔科夫模型分词
0 1
- 中文分词笔记之二:隐马尔科夫模型
- 中文分词笔记之二:隐马尔科夫模型
- 中文分词与马尔科夫模型之二(隐马尔科夫模型与维特比)
- 中文分词与马尔科夫模型之二(隐马尔科夫模型与维特比)
- 中文分词与马尔科夫模型之二(隐马尔科夫模型与维特比)
- 中文分词与马尔科夫模型之二:隐马尔科夫模型与维特比
- 中文分词与马尔科夫模型之二(隐马尔科夫模型与维特比)
- 中文文本处理之jieba分词笔记(二)
- 中文分词之HMM模型详解
- 中文分词之HMM模型详解
- 中文分词之HMM模型详解
- 中文分词之HMM模型详解
- 中文分词之HMM模型详解
- 中文分词之HMM模型详解
- 从头开始编写基于隐含马尔可夫模型HMM的中文分词器之二 - 模型训练与使用
- 搜索引擎技术:中文分词之二
- 中文分词与隐马尔科夫模型之一(机械分词)
- 中文分词与隐马尔科夫模型之一:机械分词
- 《戏说春秋》第七关 三令五申
- 启动zygote
- C语言实验——矩阵转置
- 完美配置Tomcat的HTTPS
- 文件的默认权限,特殊权限和隐藏属性-私房菜学习笔记
- 中文分词笔记之二:隐马尔科夫模型
- IDEA中maven项目支持scala
- 获取设备信息
- Glide 加载圆形头像方法
- oracle导入excel表格数据
- ubuntu下JDK8的安装与配置
- 简单说下拦截器的实现
- Atitit 数据存储视图的最佳实际best practice attilax总结
- [AND最大生成树 分治 Trie || Kruskal] UOJ Goodbye Yiwei C #176. 新年的繁荣