语音识别维特比解码_人工智能、通信领域的解码算法对比：维特比和BeamSearch...

人工智能自然语言处理领域中，很多都能转换为序列的预测问题，比如

• 分词算法可以转化为预测每个字的标签B(词开始位置)、M(词中间位置)、E(词结束位置)、S(单字作为词)
• 语音识别、机器翻译、文本生成算法可以认为是预测每个位置的词语
• 输入法里面的拼音转汉字等等

而数字通信领域，接收机侧做的工作，本质上也是二进制0、1序列的解码，可以看成是二进制序列的预测问题。

同为序列预测问题，为什么分词用维特比算法，机器翻译用定向搜索(BeamSearch)算法，而通信解码用维特比算法呢？本文会分析两大解码算法：维特比、BeamSearch的复杂度及其适用的场景。

人工智能领域 VS 通信领域

一些符号约定:

• 词典大小: V (vocabulary size)，
• 序列长度: L (length)
• 定向宽度: B (Beam Width)

暴力搜索: O(V^L)

最简单的方法，用暴力美学去穷举，遍历所有可能路径后，找到最优值。复杂度为O(V^L)。