隐马尔科夫模型（HMM）等文章记录

【link】

        如何用简单易懂的例子解释隐马尔可夫模型？ - 知乎 --骰子举例举的不错；

        一站式解决：隐马尔可夫模型（HMM）全过程推导及实现 - 知乎  --略微有点长，看看能不能看完

        马尔科夫模型 - 搜索结果 - 知乎  --马尔科夫和隐马尔科夫区别在何，隐是隐了啥呢

        隐马尔科夫模型 - 知乎  --作者名字好巧喔，举输入法的栗子很吸引我qwq        

HMM应用

GitHub - DA-southampton/ner: 命名体识别(NER)综述-论文-模型-代码(BiLSTM-CRF/BERT-CRF)-竞赛资源总结-随时更新

汉语自然语言处理-维特比算法与NER-命名实体识别-viterbi algorithm-HMM-CRF-概率图模型-动态规划_哔哩哔哩_bilibili 

【链接1】

霍金曾经说过，你多写一个公式，就会少一半的读者。所以时间简史这本关于物理的书和麦当娜关于性的书卖的一样好。 --hhh，顺手去翻了下时间简史 qwq

要了解一个算法，要做到以下两点：会其意，知其形。答主回答的，其实主要是第一点。但是这一点呢，恰恰是最重要，而且很多书上不会讲的。正如你在追一个姑娘，姑娘对你说“你什么都没做错！”你要是只看姑娘的表达形式呢，认为自己什么都没做错，显然就理解错了。你要理会姑娘的意思，“你赶紧给我道歉！”这样当你看到对应的表达形式呢，赶紧认错，跪地求饶就对了。数学也是一样，你要是不理解意思，光看公式，往往一头雾水。不过呢，数学的表达顶多也就是晦涩了点，姑娘的表达呢，有的时候就完全和本意相反。所以答主一直认为理解姑娘比理解数学难多了。--【doge】

【链接2】

[定义] 隐马尔可夫模型（Hidden Markov Model，HMM）是关于时序的概率模型，是一个生成模型，描述由一个隐藏的马尔科夫链随机生成不可观测的状态序列，每个状态生成一个观测，而由此产生一个观测序列。  --个人讲，h还是比较喜欢抽象的东西的、总给我一直纵览天下的感觉qwq，看完链接1，再看定义，会清晰一点。

---果然，木有看完，但是大体感觉，链接2讲的应该和链接1差不多，只是链接1的一个更加数学代码化的表达。【暂时搁置，未完待续。。。qwq】

【链接3】

马尔科夫链：实际上就是一个随机变量随时间按照Markov性质进行变化的过程。

隐：是指一种无法观测到的隐藏变量（书上讲是“状态”），与之相对的是观测变量，我们都可以直接看到的结果。 例子：比如语音识别，给你一段音频数据，需要识别出该音频数据对应的文字。这里音频数据就是观测变量，文字就是隐藏变量；再者，链接1中的骰子的三个种类，和对应投掷出来的结果。

【链接4】

 隐马尔科夫和EM算法的联系是啥？

除了推断隐藏序列，HMM还可用作预测，即给定一段观测序列，预测下一个隐藏序列是什么，拿输入法来说，这就是所谓的联想输入法。

---

所有的模型都是一种对未来的预测，这样听上去不是很酷嘛 =^=