Lesson 5 隐马尔可夫模型 及其 应用

本文深入探讨了HMM(隐马尔可夫模型)的三大核心问题:评估、识别和训练,分别介绍了前向算法、后向算法、维特比算法及Baum-Welch算法,并展示了HMM在词性标注和分词等自然语言处理任务中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

HMM的3个问题:

A:转移矩阵
B:发射矩阵
pai:初始状态概率

1、evaluation

given model = (A,B,pai),求p(o|model);
算法:
前向算法

后向算法:

2、recognition

given model=(A,B,pai),observation,求state sequence;
算法:维特比算法

3、train

given observation,求model=(A,B,pai)
算法:Baum-Welch算法


HMM可以用于:

HMM词性标注 [ F:/data mining/ML html/other lessons nlp自然语言处理/Lesson 5 隐马尔可夫模型 及其 应用 ]
HMM分词

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Sarah ฅʕ•̫͡•ʔฅ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值