自然语言处理 （第4课 隐马尔科夫模型）

一、学习目标

1.了解马尔科夫模型的基本内容
2.学习隐马尔科夫模型的详细内容与三个主要问题
3.了解隐马尔科夫模型的一个应用

二、马尔科夫模型

1.马尔科夫模型的描述：马尔科夫模型=马尔科夫链

以句子为例子来描述一下，就是我输入了t-1个字（字相当于马尔科夫模型中的状态），那么第t个字是什么，这件事是可以概率得出的，第t个字是什么取决于前t-1个字的内容。根据取决于前面n个字，我们又有n阶马尔科夫链：


2.有了马尔科夫模型后，我们可以画出其状态转化图：

有了马尔科夫模型后，我们要干嘛呢？显然，我们可以去计算某一个状态序列S1，S2，…，ST的概率：

其中a_St，St+1是从St转化St+1的概率。例如：

3.看完马尔可夫模型，感觉上，我们就可以用其去建模我们 的语言模型，统计语料库的各个词的相互转化的概率，从而我们就可以根据输入的前n个单词，输出接下来的词。但是这样的设计是不合理的，其一，模型局限于语料库，其二，状态转化概率矩阵太过稀疏，因为词太多了。于是美国数学家鲍姆等人提出了隐马尔可夫模型。

二、隐马尔科夫模型

1.隐马尔科夫模型：

图形展示为：

相比于马尔科夫模型，多了观测值，以及对应状态输出观测值的概率。太抽象的话可以看下面的例子：

还是不懂的话，我们可以从其应用来理解：还是用句子为例，现在我们要对这个句子分词，球或者观测值就是字词，袋子或者隐状态就是词性，例如“于”这个字，它的意思可能是介词，“在”的意思，但也有可能专有名词姓氏“于”。显然我们只能根据上下文去推测其词性和意思，一个句子就是一串球，模型一开始只能看到这些球（字词），而看不到这些袋子（词性），这样对语言进行建模，有合理性，且状态转换概率矩阵更小（词性的数量比词的数量少）
隐马尔科夫模型除了状态集合S和观测值集合O外，还有三个：状态转移概率矩阵A，状态输出概率矩阵B，初始状态概率分布π

2.有了隐马尔科夫模型后，我们该干嘛呢？主要有三个方面的问题：

（1）关于p（O|μ），我建议大家不要将其理解成O关于μ的后验概率，而是直接理解成p（O），只是p（O）的式子里有参数μ。就像贝努力分布一样：当x为1时，p（x|θ）=θ，当x=0时，p（x|θ）=1-θ。在这里，我们完全可以理解θ就是一个参数，p表示就是x的概率。

关于（1）问题的求解，我们不能简单地统计所有的状态，所有的状态对应输出的概率，因为这样的计算量太大了。如下所示：

于是前人使用动态规划的思想，设计出了前向算法和后向算法：
（1.1）前向算法：


初始化：对于N个状态，计算每个状态是初状态的概率，再乘上该状态输出O1的概率。
循环计算：针对时间从2到T，对每个时间步骤中，先统计从各种状态变换为j状态的概率和，再乘上j状态输出Ot+1的概率。
输出：因为最后一个状态也不确定是1到N的哪一个，所以我们是将所有状态进行累加。
（1.2）后向算法：

初始化：将βT（i）进行展开，会发现式子中没有O，那自然βT（i）就等于1。
循环计算：βt+1（j）表示从T到t+1的一个总的概率表示，前两项是统计在t时刻，从i状态变换为各种状态（j）的概率乘上j状态输出O的概率。
输出：β1（i）表示从2时刻到t时刻的一个总概率，后两项就是i状态为初始状态的概率和i状态输出O1的概率，统计所有i状态。

（2）关于观察到的输出序列O1O2…On，如何找到更合理的对应的状态序列S1S2…Sn的问题。我们同样有两种方法。
（2.1）方法一：对于每一个时刻的输出，我们都找那个概率最大的状态。定义与计算工程如下：

显然，这样的方法是有问题的，由于每个时刻都追求局部最优，也不考虑状态转移之间的概率，必然不合理。
（2.2）方法二：Viterbi搜索算法。采用动态规划策略，搜索全局最优状态序列。我们先看图解：
第一步：通过状态转移矩阵和输出矩阵计算概率计算总概率，然后根据剪枝策略选取其中的比较优的路径（剪枝策略分两种，一种是概率大于某阈值就保留，另一种是取前n条路径），这里我们取前3条路径。

第二步：根据上一步的路径的终点，再计算这些状态节点到别的节点的概率，再选取其中前3条路径。

重复到最后时刻，我们就能确定概率最大的一条路径作为我们的状态序列。该算法的定义和算法流程如下：（注：算法描述中直接取最大值，但实验中我们会设置剪枝策略）


（3）第三个问题是模型参数估计问题，即当前我们有了一个大数据库，我们要设计模型的初始概率矩阵π、状态转移矩阵a，状态输出矩阵b去拟合我们的数据库的统计信息。显然，如果数据库足够大，我们可以计算：


对于数据量较少的情况，一般而言我们的语料库也确实不够的。于是我们使用Baum-Welch算法（前向后向算法）：


其中28~30的公式如下：

三、隐马尔科夫模型的应用

1.问题描述：我们这里有两个问题，一个是句子如何分词的问题，一个是“于”这个词的词性是什么的问题：

2.思路：对于分词，O是各种各样分词序列（HMM中的观测值序列），求解argmax p(O|μ)就是找到概率最大的分词序列。对于词性标注，Q是词性序列（HMM中的状态序列），求解argmax p(Q|O，μ)就是找到最大的词性序列。

3.参数估计要求：

4.训练过程：对于语言模型设计与修正，我们采用错误驱动的机器学习方法：

5.训练结果：

四、本章小结

1.马尔可夫模型
2.HMM的构成
3.HMM的三个问题
4.HMM在NLP中的应用