维比特(vibiter)算法python

缘由

再一次做分词，毫无疑问又用了jieba，但是结巴的语料库貌似很多没能与时俱进。比如一句话里的“大数据”，被硬生生分词为“大/数据”，再把“大”纳入stopwords的话，那句子就变了味咯。当然，一个简单办法是，找到jieba的dict,
$sudo su

$gedit dict

ctrl+f修改“大数据”的占比重，save即可。
想到李航《统计机器学习》里有维比特算法介绍，数学之美里也有一章略讲，何不自己编一个分词系统呢？先从vibiter开始。

vibiter

——《统计机器学习》

这题的解题代码网上有很多

import  numpy as np 
A=np.array([[0.5,0.2,0.3],[0.3,0.5,0.2],[0.2,0.3,0.5]])  
B=np.array([[0.5,0.5],[0.4,0.6],[0.7,0.3]])  
O=np.array([0 ,1, 0])#T=3  
pi=np.array([0.2,0.4,0.4])  

N=3#N kind state  
M=2#M kind of observation  
T=3  

delta=np.zeros((T,N),np.float)  
w=np.zeros((T,3),np.float)  
I=np.zeros(T)  

for i in range(N):  
    delta[0,i]=pi[i]*B[i,O[0]]  
    w[0,i]=0  

for t in range(1,T):  
    for i in range(N):    
        delta[t,i]=B[i,O[t]]*np.array([delta[t-1,j]*A[j,i]  for j in range(N)]).max()  
        w[t,i]=np.array([delta[t-1,j]*A[j,i]  for j in range(N)]).argmax()  

#termination  
Poptimal=delta[T-1,:].max()  
I[T-1]=delta[T-1,:].argmax()  
for t in range(T-2,-1,-1):  
        I[t]=w[t+1,I[t+1]]  

print 'the optimal I is ' 
print I

console:
the optimal I is 
[ 2.  2.  2.]