HMM详解（NLP）
1 隐马尔可夫模型HMM
1.1 什么样的问题需要HMM模型
使用HMM模型时我们的问题一般有这两个特征：
- 我们的问题是基于序列的，比如时间序列，或者状态序列。
- 我们的问题中有两类数据，一类序列数据是可以观测到的，即观测序列；而另一类数据是不能观察到的，即隐藏状态序列，简称状态序列。
有了这两个特征，那么这个问题一般可以用HMM模型来尝试解决。这样的问题在实际生活中是很多的。比如：
我在和你说话，我发出的一串连续的声音就是观测序列（这些声音的取值从观测状态集合中取），而我实际要表达的一段话的意思就是隐藏状态序列（取值从隐藏状态集合中取）。
1.2 HMM模型的定义
HMM模型做了两个很重要的假设如下：
1.3 一个HMM模型实例
1.4 HMM观测序列的生成
1.5 HMM模型的三个基本问题
词性标注任务对应于其中的解码问题，我们可以这样理解：
对于给定的词性标注任务，如下所示：
输入序列 O：I love NLP
输出序列 I：PRP VB NN
观测序列 对应了 输入序列 O
隐藏状态序列 对应了 输出序列 I
2 维特比算法 解决 解码问题
见链接即可。