1.17-18：学习HMM模型；1.18-20：学习CRF模型（未完成）；1.20-24：应用HMM到具体问题；1.24-27：扩展为second-order HMM（扩展Bi-gram MLE到Tri-gram MLE；扩展Viterbi算法）；明确了BW算法不适合正在解决的问题；1.28：在词性...
分类：
其他好文 时间：
2015-01-30 15:36:58
阅读次数：
175
转自http://blog.csdn.net/abcjennifer/article/category/1173803/3本文简明讲述GMM-HMM在语音识别上的原理，建模和测试过程。这篇blog只回答三个问题：1.什么是Hidden Markov Model？HMM要解决的三个问题:1) Like...
分类：
其他好文 时间：
2015-01-30 14:33:18
阅读次数：
244
一：HMM解码问题
（1）编程深处无非就是算法和结构，以及各种架构和版本的管理（如Git管理），因此作为程序员算法这一关是绕不过去的；
（2）关于算法，个人比较崇尚的一本书是《算法导论》和ACM实战系类的算法培训；
（3）对于自然语言处理领域或者部分机械学习领域的算法，HMM模型是非常经典的算法之一，非常适合初学者学习和研究；
（4）HMM模型μ=（A,B,π），的状态是不可见...
分类：
其他好文 时间：
2015-01-19 10:53:05
阅读次数：
234
中文分词是中文文本处理的一个基础性工作，结巴分词利用进行中文分词。其基本实现原理有三点：基于Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG)采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合对于未登录词，采用了基于汉字成词能力的HMM模型，使用了...
分类：
编程语言 时间：
2015-01-17 15:11:28
阅读次数：
183
原文链接：http://www.cnblogs.com/zhangchaoyang/articles/2219571.html此外，http://www.leexiang.com/hidden-markov-model 写的也很清楚明了。HMM介绍Hidden Markov Models是一种统计信...
分类：
其他好文 时间：
2015-01-17 09:55:41
阅读次数：
164
一：HMM解码问题
（1）给定一个观察序列O=O1O2...OT,和模型μ=（A,B,π），如何快速有效地选择在一定意义下“最优”的状态序列Q=q1q2...qT，使该状态最好地解释观察序列。
（2）最可能的隐藏状态序列(Finding most probable sequence of hidden states)；对于一个特殊的隐马尔科夫模型(HMM)及一个相应的观察序列，我们常常希望能找...
分类：
其他好文 时间：
2015-01-16 13:11:21
阅读次数：
232
算法+语料≈NLP这是一个六千万词汇量的分类词库，做HanLP这么久，我逐渐体会到，算法无法解决所有问题，词库也非常重要。通常一个算法可以解决80%的问题，剩下的20%无论怎么调节优化，都是拆东墙补西墙。比如上次我提到的“区人保”被HMM人名识别模块误命中的例子，这个词让HMM来看，“区”作为姓氏，...
分类：
其他好文 时间：
2015-01-15 12:49:18
阅读次数：
330
http://www.hankcs.com/nlp/ner/place-names-to-identify-actual-hmm-viterbi-role-labeling.html命名实体识别（Named Entity Recognition）也是自然语言处理中的一个难关，特别是中文这样没有大小写...
分类：
其他好文 时间：
2015-01-14 19:47:46
阅读次数：
279
HMM隐马尔可夫，隐，说明模型里面含有隐含节点，是我们所无法直接观测到的，这些隐含节点上的状态可以称为隐含状态；马尔科夫，说明模型具有马尔科夫性，一个节点的状态只跟它的邻居有关，与其他节点无关，与时间也无关。我们把节点分为两类，状态节点（隐）和可观察节点（显）。并且假设状态节点为链式结构，每个输出（...
分类：
其他好文 时间：
2015-01-12 10:40:45
阅读次数：
217
隐马尔可夫模型(Hidden Markov Model，HMM) 最初由 L. E. Baum 和其它一些学者发表在一系列的统计学论文中，随后在语言识别，自然语言处理以及生物信息等领域体现了很大的价值。平时，经常能接触到涉及HMM的相关文章，一直没有仔细研究过，都是蜻蜓点水，因此，想花一点时间梳理下...
分类：
其他好文 时间：
2015-01-09 12:05:06
阅读次数：
193
