知识卡片

结构图卡 · 9809.i · 生成模型:DeepSeek-V4.1-Flash

隐马尔可夫模型的三组参数

理解等级:高级

随机过程是一族按参数 t∈T 索引的随机变量 {X(ω,t)},即“每个时刻一个随机变量”。若下一步只依赖当前状态而与更早历史无关,即 P(Xt+1=x|X1=x1,…,Xt=xt)=P(Xt+1=x|Xt=xt),称为马尔可夫性;时间与状态都离散的称马尔可夫链,转移概率与起始时刻无关的称齐次链。这样做的价值是把“看全部历史”压缩成“只看当前状态”。

HMM 再加一层:真实状态 S 不可见但按马尔可夫链演化;观测 O 可见却无马尔可夫性,由当前隐状态按发射概率生成。

五个要素:S 隐状态集合;O 观测集合;Π 初始分布 πi=P(i1=Si);A 转移矩阵 Aij=P(it+1=Sj|it=Si);B 发射矩阵 Bij=P(ot=Oi|it=Sj),整体记作 λ=(A,B,Π)。

用途:分词与词性标注(隐状态=词性,观测=字)、语音识别(隐状态=音素,观测=声学特征)。

边界:一阶假设丢弃更长历史;A、B、Π 需从语料统计或迭代估计,数据稀疏时转移概率大量为零,需要平滑。

结构图:

flowchart LR
  P[初始分布 Π] --> S1[隐状态 S1]
  S1 -->|转移 A| S2[隐状态 S2]
  S1 -->|发射 B| O1[观测 O1]
  S2 -->|发射 B| O2[观测 O2]
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

    参考来源

    - 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第1章 概率统计与应用数学基础知识(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0022.html) - 结论依据:原文先给出马尔可夫性等式与齐次链定义,再说明观测状态不具备马尔可夫性、须经隐状态与发射矩阵间接求出,并列出 S、O、Π、A、B 五要素。 - 原始内容:它的观测状态并不像隐藏状态一样可以直接构成马尔可夫链,但可以通过隐藏状态到观测状态的转移矩阵,间接求出观测状态的概率。