隐马尔科夫模型是结构最简单的 动态贝叶斯网（dynamic Bayesian network，也被称作有向图模型），HMM是可以用于标注问题的统计数学模型，描述由隐藏的 马尔科夫链 随机生成观测序列的过程，属于 生成模型。 HMM模型在语音识别、自然语言处理、生物信息、模式识别等领域有广泛的应用。 首先看看什么样的问题可以使用HMM模型解决。 使用HMM模型来解决的问题一般有两个特征： 1） 问题是基于序列的，比如时间序列、状态序列。 2 ）问题中有两类数据，一类序列 …

2025年2月2日 · Hidden Markov Models (HMM) are statistical models used to predict hidden factors influencing observable data in sequences, employing transition and emission probabilities to relate hidden states to observations, and are widely applicable in fields like speech recognition and natural language processing.

由于HMM的EM算法中存在求和操作（Viterbi算法只有乘积操作），所以不能简单地使用取对数来避免浮点数下溢，采用的方式是设置一个比例系数，将概率值乘以它来放大；当每次迭代结束后，再把比例系数取消掉，继续下一次迭代。

2025年3月10日 · 隐马尔可夫模型 （Hidden Markov Model，HMM）是一种统计模型，广泛应用于语音识别、自然语言处理、生物信息学等领域。 只要去搜索或者查阅HMM模型相关内容，就会发现一大堆公式，看着就难受。

2023年4月12日 · The Hidden Markov Model (HMM) is an extension of the Markov process used to model phenomena where the states are hidden or latent, but they emit observations. For instance, in a speech recognition system like a speech-to-text converter, the states represent the actual text words to predict, but they are not directly observable (i.e., the states ...

隐马尔可夫模型 （Hidden Markov Model, HMM) 是做NLP的同学绕不过去的一个基础模型，是一个生成式模型，通过训练数据学习 隐变量 X 和观测变量 Y 的 联合概率分布 P (X,Y) 。

HMM早期在语音识别、分词等序列标注问题中有着广泛的应用。 了解HMM的基础原理以及应用，对于了解NLP处理问题的基本思想和技术发展脉络有很大的好处。

2024年9月3日 · 隐马尔可夫模型（Hidden Markov Model, HMM）是一种统计学习方法，用于描述含有隐藏状态的随机过程。 在 HMM 中，系统的当前状态无法直接观测，但可以通过该状态下生成的可观测序列来推断。 它由两部分构成：一个不可见的马尔可夫链（即隐藏状态），和每个隐藏状态生成观测值的概率分布。 基本结构与概念: S = S 1 , S 2 , . . . , S N S = S^ {1}, S_ {2}, ..., S_N S = S 1,S 2 ,...,S N . 表示，其中 N 为状态的数量。 这些状态是不直接可观测的。 O O O 观测序 …

2023年1月5日 · Natural language processing (NLP) tasks like part-of-speech tagging, named entity recognition, and machine translation can all be done using HMMs to model the probability distribution of word sequences or POS tags in a language.

2024年12月10日 · 引言 隐马尔可夫模型（HMM）是自然语言处理（NLP）领域中一种重要的基础模型。 它广泛应用于语音识别、语音合成、文本生成、机器翻译等任务。