NLP HMM自己的初步理解

	作为一个30+的java老码农，忽然某一天对NLP充满了兴趣，然后开始打算转行做自然语言，但是学习的时候基本上不知如何入手，幸运的是面试进入了一家知名的NLP公司做小弟，这是第一次写博客，在这方面也是个彩笔，有一些东西是各种教程上看到的，如果有抄袭的地方，请勿谩骂，只是为了自己能记住
	隐马尔科夫模型常用语 语音识别和词性标注，目前我们公司的NLU就是用HMM来做的slot，

HMM基本要素包含两个状态，3个概率（矩阵）
即：隐藏状态集，观察状态集
初始矩阵，状态转换矩阵，混淆矩阵
我们以词性标注方面的例子来进行解释：
举例：
可观察状态：我 是 IT 码农
隐藏状态 ：代 动 名 名（分词之后的词性）
状态转换矩阵：
代词 动词 名词
代词 0.5 0.25 0.25
动词 0.375 0.125 0.375
名词 0.125 0.625 0.375
混淆矩阵（观察集合–>隐藏集合的概率）
我 是 IT 码农
代词 0.60 0.20 0.15 0.05
动词 0.25 0.25 0.25 0.25
名词 0.05 0.10 0.35 0.50
初始概率
代词 动词 名词
〔0.63 0.17 0.20〕