Viterbi

Python分词模块推荐：jieba中文分词

Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG)采用了动态规划查找最大概率路径,找出基于词频的最大切分组合对于未登录词，采用了基于汉字成词能力的HMM模型，使用了Viterbi
Thinkgamer_·2020-07-01 09:07

Python分词模块推荐:结巴中文分词

Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG)采用了动态规划查找最大概率路径,找出基于词频的最大切分组合对于未登录词，采用了基于汉字成词能力的HMM模型，使用了Viterbi
焦大的seo·2020-07-01 05:59

隐马尔可夫模型：状态序列估计问题

隐马尔可夫模型：状态序列估计问题（维特比算法）维特比（Viterbi）算法用于求解HMM的第二个问题，即给定观察序列O=O1O2⋯OTO=O_{1}O_{2}\cdotsO_{T}O=O1O2⋯OT和模型
K5niper·2020-06-30 15:34

维特比算法

最近小组长要求我做一个HMM的专题算法报告，后来发现HMM里用到了Viterbi算法，且是核心算法，结合网上各位大牛的博客和自己的理解。
这孩子谁懂哈·2020-06-30 15:55

HMM——维特比算法(Viterbi algorithm)

1.前言维特比算法针对HMM第三个问题，即解码或者预测问题，寻找最可能的隐藏状态序列：对于一个特殊的隐马尔可夫模型(HMM)及一个相应的观察序列，找到生成此序列最可能的隐藏状态序列。也就是说给定了HMM的模型参数和一个观测序列，计算一系列的隐状态，使得此观察序列的出现可能最大，即最大化P(隐状态|观测序列)，给定观测序列，求最可能的对应的隐状态序列。实际上解决此问题，在《统计学习方法》中给出了两种
风翼冰舟·2020-06-30 12:05

书札《数学之美》（在读）

文章目录第1章文字和语言vs数字和信息第2章自然语言处理——从规则到统计第3章统计语言模型第4章谈谈分词viterbi算法第5章隐含马尔科夫模型第6章信息的度量和作用6.1信息熵6.2条件熵6.3互信息
一剑何风情·2020-06-28 20:23

我的2017年文章汇总——机器学习篇

强化学习机器学习之条件随机场（CRF）隐马尔可夫模型的Viterbi解码算法线性回归之最小二乘法k-means聚类算法机器学习之层次聚
weixin_34190136·2020-06-28 13:21

隐马尔可夫模型

但我的理解仅仅停留在“前向算法”“Viterbi”等层次
千寻～·2020-06-27 01:24

CRF(条件随机场)与Viterbi(维特比)算法原理详解

Viterbi算法，即维特比算法。是一种动态规划算法用于最可能产生观测时
Data_driver·2020-06-25 23:28

【NLP】viterbi 算法图文全解析——词性标注案例分析

【NLP】viterbi算法图文全解析——词性标注案例分析案例：输入英文句子，返回对应的词性。forexample：sentence="Ilikesport."
大侠isme·2020-06-25 20:25

看完这篇文章，你一定能看懂viterbi 算法！

先上图找出从H到G的最短路径，记得上面的每个箭头都是含有路径长短的的哈，例如H–>A1为3，H–>A2为5，H–>A3为8。那除了全遍历，还有什么处理方式呢？让我们来看下面这种方式，即维特比算法去处理最优路径问题。让我们一列一列的分析问题。从H到A这一列有：H–>A1，H–>A2，H–>A3，此时，哪一个都可能是全局最短路径的备选项。所以我们继续往下一列即B列看。按照B1,B2,B逐个分析，先看B
爱学习滴好青年·2020-06-25 17:35

jieba分词流程之DAG、Route

Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG)采用了动态规划查找最大概率路径,找出基于词频的最大切分组合对于未登录词，采用了基于汉字成词能力的HMM模型，使用了Viterbi
狼之鸿·2020-06-25 00:17

viterbi,维特比算法通俗理解

维特比算法说白了就是动态规划实现最短路径，只要知道“动态规划可以降低复杂度”这一点就能轻松理解维特比算法维特比算法是一个特殊但应用最广的动态规划算法，利用动态规划，可以解决任何一个图中的最短路径问题。而维特比算法是针对一个特殊的图——篱笆网络的有向图（Lattice)的最短路径问题而提出的。它之所以重要，是因为凡是使用隐含马尔可夫模型(HiddenMarkovModel，HMM)描述的问题都可以用
superfatsheep·2020-06-24 20:20

Error in 'Viterbi Decoder': Multichannel operation is not supported或者Error in port widths or dime的问题

Errorin'DVB_T_MP_16QAM_cov1_2_prtc8_protect/InnerDecoder/ViterbiDecoder':Multichanneloperationisnotsupported.Errorinportwidthsordimensions.Outputport1of'DVB_T_MP_16QAM_cov1_2_prtc8_protect/InnerDecode
小灰灰_·2020-06-23 01:04

硬判决和软判决

Viterbi译码分硬判决和软判决两种，在结构和译码过程上没有区别，区别在于分支度量的计算方法。
CHANG12358·2020-06-21 17:48

使用C重写jieba结巴分词库，大幅提速50%-60%

特点========*对两种分词模式进行的加速：精确模式，搜索引擎模式*利用`cython`重新实现了viterbi算法，使默认带HMM的切词
ccasvsdvavd·2020-04-13 21:21

viterbi

importsysimportnumpyasnpf=open(sys.argv[2],"r")f2=open(sys.argv[1],"r")f1=open("out.txt","w")importmath#隐状态defcompute(obs,states,start_p,trans_p,emit_p):max_p=np.zeros((len(obs),len(states)))path=np.z
vdk·2020-04-06 18:00

隐马尔可夫模型（HMM）及Viterbi算法

本文将通过具体形象的例子来引入该模型，并深入探究隐马尔可夫模型及Viterbi算法，希望能对大家有所启发。  
山阴少年·2020-03-25 08:27

“我是如何收集校友的”之数据去重

我们当前进度：2爬虫程序——抓取全百度百科与“伯明翰大学”相关的数据数据去重——用pandas去掉抓取相同的URL或相同的名称提取人名——利用HMM-Viterbi进行人名筛选与提取下载器——下载所有数据库中数据清洗过的
yfgeek·2020-03-23 17:14

DP最少硬币问题：用最少数量的硬币凑够一定价值

这次同样是动态规划的问题，其核心思想与此前的viterbi算法一样：基于局部的子最优寻找全局最优，每走一步都是取决于前一步的最优解。因而，动态规划方法的计算复杂度也会大大降低。
俊爷拒做学渣·2020-02-23 00:52

“我是如何收集校友的”之爬虫模块

需求大概就是这样，也就是说，我们需要以下几个模块：爬虫程序——抓取全百度百科与“伯明翰大学”相关的数据数据去重——用布隆过滤器去掉抓取相同的URL或相同的名称提取人名——利用HMM-Viterbi进行
yfgeek·2020-02-18 17:25

NLP Viterbi 算法应用之Unigrams，Bigrams

Viterbi概述维特比算法是一种动态规划算法用于寻找最有可能产生观测事件序列的-维特比路径-隐含状态序列,特别是在马尔可夫信息源上下文和隐马尔可夫模型中（隐马尔可夫模型(HMM)属于概率论之随机过程。
zenRRan·2020-02-16 22:35

viterbi算法：利用动态规划寻找最短路径

动态规划是运筹学的一个分支，是求解决策过程最优化的数学方法，通常情况下应用于最优化问题，这类问题一般有很多个可行的解，每个解有一个值，而我们希望从中找到最优的答案。在计算机科学领域，应用动态规划的思想解决的最基本的一个问题就是：寻找有向无环图（篱笆网络）当中两个点之间的最短路径（实际应用于地图导航、语音识别、分词、机器翻译等等）。下面举一个比较简单的例子做说明：求S到E的最短路径。如下图（各点之间
俊爷拒做学渣·2020-02-15 17:20

Viterbi算法

Viterbi计算有向无环图的一条最大路径，应该还好理解很多人都用隐马尔科夫模型来回答viterbi算法，其实viterbi算法只是解决隐马第三个问题（求观察序列的最可能的标注序列）的一种实现方式。
逍遥自在017·2020-02-12 01:22

隐马尔可夫模型整理 - Viterbi

马尔可夫假设：有限历史假设：P(Xt+1=sk|X1,...,Xt)=P(Xt+1=sk|Xt)时间不变假设：∀i∈{1,2,...,T},∀x,y∈S,P(xi=y|xi-1=x)=P(y|x)马尔可夫模型形式化表述：MM:λ=(S,π,A)S:状态集合π:初始状态概率A:状态间转移概率隐马尔可夫模型形式化表述：HMM:λ=(S,O,π,A,B)S:状态集合O:每个状态可能的输出集合π:初始状态
ChongmingLiu·2020-02-10 12:13

使用golang编写一个简单的拼音输入法

这几天在看输入法的东西，资料比较少，特此记录一下，这里使用到了前向概率Viterbi算法，公式是P=初始状态概率*转移概率*发射概率这里会得到很多概率值，我们只获取最大概率的中文汉字链。
tenny1109·2020-02-10 10:21

lecture 6

combiningsearchingandlearningTransitionprobability:count(t_{i},t_{i-1})/count(t_{i-1})Emissionprobability:count(w_i,t_i)/count(t_i)-code:Viterbi-tagger.ipy
CCCCCCC7·2019-12-08 02:23

中文分词算法之HMM和Viterbi（维特比）算法理解

正文之前这周二开博士沙龙，大老板对我想做的方向，很感兴趣。。我他么有点害怕，听同组师兄的女朋友，也是一个大老板门下的师姐说，在他们那一次博士沙龙，大老板对我大加褒奖，不吝溢美之词，让我更害怕了。这是一份沉甸甸的压力，我自觉我还是个小菜鸡，还不至于成为大老板手上的小红人，所以我怕自己让大老板失望，那样就不好了。不过既然都这样了，那就好好学吧。对吧，大老板还推荐大家都来看看《汉字》这个纪录片。。也就是
张照博·2019-11-28 04:34

Viterbi(维特比)算法在CRF(条件随机场)中是如何起作用的？

之前我们介绍过BERT+CRF来进行命名实体识别，并对其中的BERT和CRF的概念和作用做了相关的介绍，然对于CRF中的最优的标签序列的计算原理，我们只提到了维特比算法，并没有做进一步的解释，本文将对维特比算法做一个通俗的讲解，以便大家更好的理解CRF为什么能够得到最优的标签序列。通过阅读本文你将能回答如下问题：什么是维特比算法？为什么说维特比算法是一种动态规划算法？维特比算法具体怎么实现？首先，
程序员一一涤生·2019-11-26 20:00

jieba python中文分词库快速入门

树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG)；(2)采用了动态规划查找最大概率路径,找出基于词频的最大切分组合；(3)对于未登录词，采用了基于汉字成词能力的HMM模型，使用了Viterbi
MiracleJQ·2019-11-03 02:01

HanLP中的人名识别分析详解

supportLists]u[endif]u关于层叠HMM中文实体识别的过程HanLP参考博客：词性标注层叠HMM-Viterbi角色标注
左手中的倒影·2019-11-02 08:37

Eddy的AI小助手-finalseg分词模块(19)

Finalseg算法是基于HMM模型,采用了Viterbi算法的分词Python工具包，简单易用，分词效果也不错。
EddyLiu2017·2019-11-01 23:36

序列标注（HMM/CRF）

目录简介隐马尔可夫模型（HMM）条件随机场（CRF）马尔可夫随机场条件随机场条件随机场的特征函数CRF与HMM的对比维特比算法（Viterbi）简介序列标注（SequenceTagging）是一个比较简单的
西多士NLP·2019-10-04 16:00

CRF的理解

今天重新深入看了一下，其实我当时的主要疑问是如何最小化负对数似然函数，之前连似然函数是啥都不知道，现在大概知道了，有两种方法，一是通过梯度下降来求解最小值，二是image.png与其说是CRF的理解，不如说是Viterbi
一个NLPer·2019-09-26 16:12

简单理解viterbi算法

简介：viterbi算法其实就是多步骤每步多选择模型的最优选择问题，其在每一步的所有选择都保存了前续所有步骤到当前步骤当前选择的最小总代价（或者最大价值）以及当前代价的情况下前继步骤的选择。
小嘉欣·2019-08-29 11:45

用隐马尔可夫模型(HMM)做命名实体识别——NER系列（一）

这篇文章我将基于码农场的这篇文章《层叠HMM-Viterbi角色标注模型下的机构名识别》，来做解读。但原
一只进阶的程序媛·2019-08-20 18:52

自然语言处理工具HanLP-基于层叠HMM地名识别

本篇接上一篇内容《HanLP-基于HMM-Viterbi的人名识别原理介绍》介绍一下层叠隐马的原理。
左手中的倒影·2019-07-26 09:02

自然语言处理工具HanLP-基于层叠HMM地名识别

本篇接上一篇内容《HanLP-基于HMM-Viterbi的人名识别原理介绍》介绍一下层叠隐马的原理。
adnb34g·2019-07-26 09:31

HanLP-基于HMM-Viterbi的人名识别原理介绍

阅读更多Hanlp自然语言处理包中的基于HMM-Viterbi处理人名识别的内容大概在年初的有分享过这类的文章，时间稍微久了一点，有点忘记了。看了baiziyu分享的这篇比我之前分享的要简单明了的多。
adnb34g·2019-07-24 10:00

HanLP-基于HMM-Viterbi的人名识别原理介绍

Hanlp自然语言处理包中的基于HMM-Viterbi处理人名识别的内容大概在年初的有分享过这类的文章，时间稍微久了一点，有点忘记了。看了baiziyu分享的这篇比我之前分享的要简单明了的多。
adnb34g·2019-07-24 09:09

人工智能里的数学修炼 | 隐马尔可夫模型 ： 维特比(Viterbi)算法解码隐藏状态序列

人工智能里的数学修炼|概率图模型：隐马尔可夫模型人工智能里的数学修炼|隐马尔可夫模型：前向后向算法人工智能里的数学修炼|隐马尔可夫模型：维特比(Viterbi)算法解码隐藏状态序列人工智能里的数学修炼|
Liangjun_Feng·2019-07-09 00:00

人工智能里的数学修炼 | 隐马尔可夫模型：基于EM的鲍姆-韦尔奇算法求解模型参数

人工智能里的数学修炼|概率图模型：隐马尔可夫模型人工智能里的数学修炼|隐马尔可夫模型：前向后向算法人工智能里的数学修炼|隐马尔可夫模型：维特比(Viterbi)算法解码隐藏状态序列人工智能里的数学修炼|
Liangjun_Feng·2019-07-09 00:00

人工智能里的数学修炼 | 隐马尔可夫模型：前向后向算法

人工智能里的数学修炼|概率图模型：隐马尔可夫模型人工智能里的数学修炼|隐马尔可夫模型：前向后向算法人工智能里的数学修炼|隐马尔可夫模型：维特比(Viterbi)算法解码隐藏状态序列人工智能里的数学修炼|
Liangjun_Feng·2019-07-08 00:00

人工智能里的数学修炼 | 概率图模型 ： 隐马尔可夫模型

人工智能里的数学修炼|概率图模型：隐马尔可夫模型人工智能里的数学修炼|隐马尔可夫模型：前向后向算法人工智能里的数学修炼|隐马尔可夫模型：维特比(Viterbi)算法解码隐藏状态序列人工智能里的数学修炼|
Liangjun_Feng·2019-07-08 00:00

统计学习方法学习笔记9——隐马尔科夫模型（HMM原理推导分析与分词项目实践）

前向-后向算法2.2.1、前向算法2.2.2、后向算法2.2.3、前向算法与后向算法的关系3、HMM的训练/学习问题3.1、Baum-Welch算法3.2、Baum-Welch算法伪代码4、预测问题：Viterbi
ChaucerG·2019-06-28 16:32

概率图系列之隐马尔可夫模型（HMM）

文章目录概率图模型隐马尔可夫模型（HMM）观测序列的生成HMM的三个基本问题及解法概率问题直接计算前向算法后向算法概率和期望学习问题监督学习Baum-Welch算法预测问题近似算法维特比算法（Viterbi
SummerHmh·2019-06-21 21:42

维特比viterbi算法

先举个例子来解释从前有个村儿，村里的人的身体情况只有两种可能：健康或者发烧。假设这个村儿的人没有体温计或者百度这种神奇东西，他唯一判断他身体情况的途径就是到村头我的偶像金正月的小诊所询问。月儿通过询问村民的感觉，判断她的病情，再假设村民只会回答正常、头晕或冷。有一天村里奥巴驴就去月儿那去询问了。第一天她告诉月儿她感觉正常。第二天她告诉月儿感觉有点冷。第三天她告诉月儿感觉有点头晕。那么问题来了，月儿
qq_30468133·2019-05-17 15:51

隐马尔可夫模型——维特比算法

维特比算法了解隐马尔可夫模型的前向算法和后向算法可以帮助理解本文维特比（Viterbi）算法用于求解HMM中的第二个问题，即给定一个观察序列O=O1O2…OTO=O_1O_2…O_TO=O1O2…OT和模型
P01son·2019-05-09 12:26

HMM viterbi 算法

好久没更新了，写了一个viterbi算法，主要是加深理解哈#coding=utf-8"""首先通过语料库计算出HMM的三要素：初始状态π状态转移矩阵A发射矩阵B然后用Viterbi算法进行切词操作"""
hbdongfeng·2019-05-09 09:33

用隐马尔可夫模型(HMM)做命名实体识别——NER系列（二）

这篇文章我将基于码农场的这篇文章《层叠HMM-Viterbi角色标注模型下的机构名识别》，来做解读。但原文中的这个
Omni-Space·2019-05-08 14:56
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他