人工智能-powerpointpresentation-資料下載頁(yè)
2025-02-19 12:43本頁(yè)面
【正文】 到的信息來(lái)推測(cè)說(shuō)話(huà)者真正想表達(dá)的意思呢？可以利用叫做“隱含馬爾可夫模型” （ Hidden Markov Model）來(lái)解決問(wèn)題。 以自動(dòng)詞法標(biāo)注為例，當(dāng)我們觀測(cè)到詞語(yǔ)片斷 o1,o2,o3 時(shí)，我們要根據(jù)這組信號(hào)推測(cè)出發(fā)送的詞語(yǔ)語(yǔ)法片斷 s1,s2,s3。顯然，我們應(yīng)該在所有可能的語(yǔ)法片斷中找最有可能性的一個(gè)。用數(shù)學(xué)語(yǔ)言來(lái)描述，就是在已知 o1,o2,o3,...的情況下，求使得條件概率 P (s1,s2,s3,...|o1,o2,o3....) 達(dá)到最大值的那個(gè)語(yǔ)法片斷 s1,s2,s3,... HMM方法 當(dāng)然，上面的概率不容易直接求出，于是我們可以間接地計(jì)算它。利用貝葉斯公式并且省掉一個(gè)常數(shù)項(xiàng)，可以把上述公式等價(jià)變換成： P(o1,o2,o3,...|s1,s2,s3....) * P(s1,s2,s3,...) 其中 P(o1,o2,o3,...|s1,s2,s3....) 表示某個(gè)語(yǔ)法片斷序列 s1,s2,s3...被讀成 o1,o2,o3,...的可能性 , 而 P(s1,s2,s3,...) 表示字串 s1,s2,s3,...本身能夠成為一個(gè)合乎情理的語(yǔ)法片斷序列的可能性，所以這個(gè)公式的意義是用發(fā)送信號(hào)為 s1,s2,s3...這個(gè)數(shù)列的可能性乘以 s1,s2,s3...本身是一個(gè)語(yǔ)法片斷序列的可能性，得出概率。 HMM方法 我們?cè)谶@里做兩個(gè)假設(shè)： 第一， s1,s2,s3,... 是一個(gè)馬爾可夫鏈，也就是說(shuō)， si 只由 si1 決定 ； 第二， 第 i 時(shí)刻的接收信號(hào) oi 只由發(fā)送信號(hào) si 決定（又稱(chēng)為獨(dú)立輸出假設(shè) , 即 P(o1,o2,o3,...|s1,s2,s3....) = P(o1|s1) * P(o2|s2)*P(o3|s3)...。 滿(mǎn)足上述兩個(gè)假設(shè)的模型就叫 隱含馬爾可夫模型 。我們之所以用“隱含”這個(gè)詞，是因?yàn)闋顟B(tài) s1,s2,s3,...是無(wú)法直接觀測(cè)到的。 HMM方法 隱含馬爾可夫模型的應(yīng)用遠(yuǎn)不只在自動(dòng)詞法標(biāo)注和語(yǔ)音識(shí)別中。 在上面的公式中，如果我們把 s1,s2,s3,...當(dāng)成中文，把 o1,o2,o3,...當(dāng)成對(duì)應(yīng)的英文，那么我們就能利用這個(gè)模型解決機(jī)器翻譯問(wèn)題； 如果我們把 o1,o2,o3,...當(dāng)成掃描文字得到的圖像特征，就能利用這個(gè)模型解決印刷體和手寫(xiě)體的識(shí)別。 HMM的罐子比喻(,1989) 基于 HMM的詞性標(biāo)注 ? 問(wèn)題： 已知單詞序列 w1w2…w n，求詞性序列 c1c2…c n ? HMM模型： – 將詞性為理解為狀態(tài) – 將單詞為理解為輸出值 ? 訓(xùn)練： 統(tǒng)計(jì)詞性轉(zhuǎn)移矩陣 [aij]和詞性到單詞的輸出矩陣[bik] ? 求解 基于 HMM的詞性標(biāo)注 基于 HMM的詞性標(biāo)注 基于 HMM的詞性標(biāo)注 基于 HMM的詞性標(biāo)注 基于 HMM的詞性標(biāo)注 詞性轉(zhuǎn)移矩陣（用于轉(zhuǎn)移概率計(jì)算） 詞語(yǔ)詞性頻度表（用于輸出概率計(jì)算） 詞性頻度表 算法標(biāo)注示例 作業(yè)題 1. 下載并運(yùn)行 ICTCLAS系統(tǒng)，回答以下問(wèn)題： 2. 自然語(yǔ)言處理（自然語(yǔ)言處理）是一個(gè)什么性質(zhì)的學(xué)科？ 3. 人類(lèi)的語(yǔ)言有哪些性質(zhì)？ 4. 在理解語(yǔ)言上，人腦，電腦（機(jī)器）之間有沒(méi)有不可逾越的鴻溝？ 作業(yè)發(fā)到 (注明學(xué)號(hào) ) 不要使用附件。 演講完畢，謝謝觀看！
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1