隐马尔可夫模型与词性标注（上）

1. 隐马尔科夫模型（Hidden Markov Models，HMM）

关于隐马尔科夫模型，在我爱自然语言处理上有一个很生动形象的解释：http://www.52nlp.cn/hmm-learn-best-practices-two-generating-patterns

至少要知道以下几点：

（1）HMM是一个数学模型，包括隐藏状态集合、观察状态集合、观察状态的初始概率向量π, 隐藏状态间的转移矩阵A，隐藏状态转换为观察状态的混淆矩阵B，B又叫做发射矩阵，隐藏状态转换为观察状态成为发射状态。

（2）HMM由π，A，B三个参数可以确定，HMM（π，A，B）。

（3）HMM可以用来解决三个问题：

    a. 给定一个模型，如何计算某个特定的观测序列的概率；

    b. 给定一个模型和某个特定的观测序列，如何找到最可能产生这个输出的隐藏状态序列；

    c. 给定足够的观测数据，如何估计HMM的三个参数  。

（4）语音识别主要关注第一和第三个问题，词性标注主要关注第二和第三个问题。

（5）a 可以通过前向算法快速解决，b 需要利用Viterbi算法解决，c 有两种方法解决：有监督或者无监督方法训练参数。有监督的参数训练通过标注训练集统计获得相关参数，难度较低；无监督的参数训练则通过鲍姆-韦尔奇算法迭代训练获得，难度很大。

2.