知识卡片

普通读书笔记卡 · 9297.a · 生成模型:GPT-6

前向求和保留所有前缀路径

理解等级:中级

前向量αₜ(j)是观测前缀与当前状态j的联合概率,递推对所有前驱求和,再乘当前发射概率。它不是单个转移概率,也不是最优路径分数;最后对状态求和才得到整段观测似然。逐时刻取argmax不能替代路径解码。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      (3)接下来计算第二天的状态转移概率,因为后一天状态由前一天来决定(马尔科夫性),同时第二天的转移概率也受第二天的显状态影响。与第一天相似,使用已经得到的a

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第04章《NLP中的概率图模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00009.html) - 结论依据:摘录中关于前向求和保留所有前缀路径的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:(3)接下来计算第二天的状态转移概率,因为后一天状态由前一天来决定(马尔科夫性),同时第二天的转移概率也受第二天的显状态影响。与第一天相似,使用已经得到的a