Hidden Markov Model(HMM):
- 步骤1:构造句子的词性Sequence
- 根据所得到sequence来获取你想要说的话
总结来说
求解POS的方式
训练的算法:Viterbi Algorithm, 复杂度只有O(L|S|^2)
Conditional Random Field(CRF):
对于上述公式的举例说明,
通过类似的公式转换,最终log P(x,y)可以转换成两个向量的内积。
CRF的总结
通过CRF我们可以看出,可以使用Structured Perceptron来求解。
通过将HMM和DNN结合起来,提升预测效果
这些方法综合起来的比较结果如图所示,这些方法都可以结合深度学习的方法进行训练,往往都能够得到不错的结果。