超级会员免费看
本文介绍了自然语言处理中的语言模型，包括条件概率、链式法则、Markov假设和HMM模型。重点讨论了语言模型在解决句子概率计算和平滑处理中的应用，特别是针对0概率稀疏问题的Add-one平滑方法。此外，还概述了HMM模型的基本概念、应用场景及其两大假设。
1、语言模型与条件概率
1-1、条件概率
条件概率是指事件A在事件B发生的条件下发生的概率。条件概率表示为：P（A|B），读作“A在B发生的条件下发生的概率”。若只有两个事件A，B，那么，
条件概率的链式法则，也称为条件概率的乘法法则：
P(a,b,c)=P(a|b,c) P(b,c) = P(a|b,c) P(b|c) P(c)
条件概率的链式法则可以如下理解：
以 P(x(1),x(2),⋯,x(n))P(x(1),x(2),⋯,x(n)) 为例，可以看作 P(x(1))P(x(1)) 发生后，P(x(2)|x(1))P(x(1))P(x(2)|x(1))P(x(1)) 是x(1),x(2)x(1),x(2) 同时发生的概率，P(x(3)|x(1),x(2))P(x(2)|x(1))P(x(1))P(x(3)|x(1),x(2))P(x(2)|x(1))P(x(1)) 是
订阅专栏 解锁全文
扫一扫
3105
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
