电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

ICTCLAS层叠隐马尔科夫模型

ICTCLAS层叠隐马尔科夫模型_第1页
1/13
ICTCLAS层叠隐马尔科夫模型_第2页
2/13
ICTCLAS层叠隐马尔科夫模型_第3页
3/13
ICTCLAS 基于隐马尔科夫模型提出了层叠隐马尔科夫模型(CHMM),CHMM 实际上是若干个层次的简单HMM 组合,各层隐马尔科夫模型之间以以下几种方式相互关联:各层HMM之间共享一个切分词图作为公共数据结构(见下图),每一层隐马尔科夫模型都采用N-Best策略,将产生的最好的若干个结果送到此图中供更高层次的模型使用。 该 CHMM 由低到高依次为:原子切分,简单未登录词识别,嵌套未登录词识别,这几层中共享二元切分词图,并在每层对该数据结构进行修改,使得传递给基于类地隐马分词的参数越来越准确,最后一层为隐马词性标注。 马尔可夫链模型: 使用最广泛的描述类相关性的模型是马尔可夫链准则。如果wi1,wi2,…,wiN 是一个类的序列,则马尔可夫模型假设 1211(|,,...,)(|)ikikikiikikP wwwwp ww 它的意思是类相关性仅局限于两个连续的类,这种模型也称为一阶马尔可夫模型,以区别它的一般形式(二阶、三阶等)。换言之,已知观察值xk-1,xk-2,… ,x1 分别属于类wi k-1,wi k-2,…,wi,在k 阶段的观察值xk 属于类wi k 的概率仅依赖与在k-1 阶段产生观察值xk-1 的类。 12()(,,...,)iiiiNpp www 111211(|,...,) (|,...,)... ()iNiNiiNiNiip wwwp wwwp w 得出 112()()(|)Niiikikkpp wp ww 其中P(wi1)是类wi,i1∈{1,2,…,M}的先验概率。另外,两个普遍采用的假设是:(a)已知类地序列,观察值在统计上是独立的;(b)某类的概率密度函数不依赖其他类。也就是说依赖性仅仅存在于产生类地序列,而在类内,观察值服从类自己的规则。这个假设意味着 12(|)(,,...,|)iNip Xp x xx 12(|) (|)... (|)iiNip xp xp x 1122(|) (|)... (|)iiNiNp x wp x wp xw 1(|)Nkikkp x w 描述:已知观察值的特征向量序列X:x1,…,xN,将其分到各自的类的序列Ωi:wi 1,wi 2,…,wi N 中,则下式: 11112(|) ()() (|)(|) (|)NiiiiikikkikkP XPP wP x wP wwP x w 隐马尔可夫模型: 隐马尔可夫模型是在马尔可夫模型上发展而来的,马尔可夫链的状态是可以观察到的,而有的系统中,状态的变化无法直接观察到,观察值是与每一个状态相关的行为作用的结果,由一组概率函数来描述。在序列中不同的状态被它后续的观察值访问,而这个序列又是另一个随机过程结果。这些对我 们 都 是隐藏 的,描述它的那 些相关参 数只 ...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

ICTCLAS层叠隐马尔科夫模型

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部