【NLP】_05_HMM

文章目录【一】三大主要问题【二】经典例子【三】3 个参数（A B π）【四】Viterbi（维特比算法）【五】F / B Algorithm（Forward / Backward 算法）
 
【一】三大主要问题 在已知模型参数的条件下，基于观测值，反推出其背后的序列（Decode） 基于观测值，反推出模型的参数（EM） 计算出观测值序列的边缘概率 【二】经典例子 抛硬币（两枚不均衡硬币 A，B） POS 词性标注 语音识别

 
 

【三】3 个参数（A B π） A 是 状态转移矩阵
B 是 生成概率矩阵。B 矩阵是基于离散型变量的，当输入的是连续性变量时，例如一段音频，需要用 GMM，高斯混合模型
π 表示某个状态在 初始位置 的概率

 
 

【四】Viterbi（维特比算法）

 
 

【五】F / B Algorithm（Forward / Backward 算法）

Forward Algorithm（可以用 动态规划 解决） Backward Algorithm（可以用 动态规划 解决）
作者：欲戴皇冠

hmm nlp