自然语言处理（十四）——隐马尔科夫模型（HMM）初步理解

一、前言

本文主的目的是对隐马尔科夫模型进行初步的理解，也就是明白这个隐马尔科夫模型到底是个什么东西，明报这个隐马尔科夫模型到底有什么用。至于怎么利用这个马尔科夫模型做一个解决语音识别领域问题的小成品，本文还没有涉及，本人水平有限，正处在小白学习的阶段，因此有什么错误的地方，望各位不吝赐教。下面进入正题，这里用知乎一位答主的例子黄以及志洪老师课程来理解隐马尔科夫模型。

二、骰子案例来理解HMM

一般地,一个HMM记为一个五元组μ=(S,K,A,B,π),其中,S为状态的集合,K为输出符号的集合π,A和B分别是初始状态的概率分布、状态转移概率和符号发射概率。为了简单,有时也将其记为三元组μ= (A,B,π)。
下面用骰子这个例子来对应一下五元组。

下面这三个骰子分别是正方体骰子（记为D6，有六个面，每个面的概率都是1/6），正四面体骰子（记为D4，每个面的概率都是1/4），正八面体骰子（记为D8，每个面的概率都是1/8）。

五元组中S对应的就是三种骰子｛D6，D4，D8｝

五元组中K对应的就是三种骰子能够投掷出的结果｛