24、词性标注与神经网络：从HMM到自编码器的探索

词性标注与神经网络：从HMM到自编码器的探索

1. 词性标注的HMM模型及评估

在词性标注任务中，隐马尔可夫模型（HMM）是一种常用的方法。我们可以通过以下步骤使用HMM进行词性标注预测：
1. 选择句子并转换观测值 ：

sent_index = 
observations = sent_to_obs(n_emission_df, new_pos_df, all_n_a_tags, sent_index)

2. 创建HMM模型 ：

hmm = HMM(initial_prob=n_initial_prob, trans_prob=n_trans_prob, obs_prob=n_obs_prob)

3. 运行TensorFlow并进行预测 ：

with tf.Session() as sess: 
    seq = viterbi_decode(sess, hmm, observations)
    print('Most likely hidden states are {}'.format(seq)) 
    print(seq_to_pos(seq))