自然语言处理之二：隐马尔科夫模型

在谈最大熵马尔科夫模型之前，先熟悉一下隐马尔科夫模型

 

 

一个隐马尔可夫模型 (HMM) 是一个五元组：

 

(ΩX , ΩO, A, B, π )

 

其中：

 

  ΩX = {q1,...qN}：状态的有限集合

 

  ΩO = {v1,...,vM}：观察值的有限集合

 

  A = {aij}，aij = p(Xt+1 = qj |Xt = qi)：转移概率

 

  B = {bik}，bik = p(Ot = vk | Xt = qi)：输出概率

 

  π = {πi}， πi = p(X1 = qi)：初始状态分布

 

 

问题1：给定观察序列O=O1,O2,…OT,以及模型  λ=(π, A, B),  如何计算P(O|λ)？ 

问题2：给定观察序列O=O1,O2,…OT以及模型λ,如何选择一个对应的状态序列     S = q1,q2,…qT，使得S能够最为合理的解释观察序列O？即argmaxs_s∈Q^|T|P(T,S|λ).

问题3：如何调整模型参数 λ=(π, A, B)  ,  使得P(O|λ)最大？  

 

1. 对于第一个问题使用Forward-Backward过程来解决。

2. 对于第二个问题使用Viterbi算法来解决

3. 对于第三个问题使用Baum-Welsh来解决。