一、引言
回忆一下HMM在自然语言处理中的应用，我们所采用的例子主要是词性标注（POS tagging, part-of-speech tagging）。例如我们现在有一个句子：
time flies like an arrow.
然后我们可以为每个标注词性，则有“time/Noun flies/Verb like/Prep an/Art arrow/Noun/”。显然，当我们单独来看单词 flies，它可能是一个Noun，也可能是一个Verb，但是如果它前面那个词是形容词，那么它显然是名词的概率更高，而如果它前面的那个词是名词，则它是动词的可能性更高。所以我们就可以建立一个HMM模型，来根据观测到的状态序列（及历史）来预测具体某个词到底是什么词性。其中，单词的词性就是HMM中的隐状态，而我们所看到的具体的每个词就是观测状态。
HMM在做
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/223739.html原文链接：https://javaforall.net
