Hidden Markov Model

释义 Definition

隐马尔可夫模型（HMM）：一种用于序列数据的概率统计模型。它假设系统在一系列不可直接观察的“隐状态”之间按照马尔可夫性质转移（当前状态主要依赖上一个状态），并在每个状态下生成可观察到的观测值。常用于语音识别、自然语言处理、生物序列分析等。

发音 Pronunciation (IPA)

/ˈhɪdən ˈmɑːrkɒv ˈmɒdəl/
/ˈhɪdən ˈmɑːrkoʊv ˈmɑːdəl/

例句 Examples

A hidden Markov model can label parts of speech in a sentence.
隐马尔可夫模型可以给句子中的词标注词性。

Using a hidden Markov model, the system infers the most likely hidden state sequence from noisy observations.
使用隐马尔可夫模型，系统可以从含噪的观测数据中推断最可能的隐状态序列。

词源 Etymology

该术语由三部分构成：hidden（隐藏的）指“状态不可直接观测”；Markov（马尔可夫）来自俄国数学家安德烈·马尔可夫（Andrey Markov）的姓氏，表示“状态转移满足马尔可夫性质”；model（模型）表示一种数学/统计建模方法。整体含义即“具有隐状态的马尔可夫序列模型”。（在技术语境中也常简称 HMM。）

相关词 Related Words

• Markov Chain
• State
• Observation
• Transition Probability
• Emission Probability
• Viterbi Algorithm
• Baum–Welch Algorithm
• Sequence
• Probabilistic Model
• Bayesian Network

文献与作品中的用例 Literary / Notable Works

• Rabiner, L. R. (1989). A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition.
• Jurafsky, D. & Martin, J. H. Speech and Language Processing（多版教材均系统介绍 HMM 在语音与NLP中的应用）
• Bishop, C. M. Pattern Recognition and Machine Learning（将 HMM 作为序列概率模型的重要实例之一）
• Durbin, R. et al. Biological Sequence Analysis（用 HMM 讲解基因/蛋白序列建模与比对）