Markov Chain
释义 Definition
马尔可夫链：一种随机过程模型，用来描述系统在一组“状态”之间按概率转移的规律；其核心特点是未来的状态只依赖当前状态，与更久以前的历史无关（即“无记忆性/马尔可夫性”）。
发音 Pronunciation (IPA)
/ˈmɑːrkɔːv tʃeɪn/
例句 Examples
We modeled the weather with a Markov chain.
我们用马尔可夫链来建模天气变化。
In natural language processing, a Markov chain can generate text by choosing each next word based on the current one’s transition probabilities.
在自然语言处理中，马尔可夫链可以根据当前词的转移概率来选择下一个词，从而生成文本。
词源 Etymology
“Markov”来自俄国数学家安德烈·马尔可夫（Andrey Markov）的姓氏；他在20世纪初系统研究这类依概率转移的序列模型。“chain（链）”强调状态一个接一个相连，形成连续的随机转移序列。
相关词 Related Words
文学与著作中的用例 Literary Works
- Andrey A. Markov, Extension of the law of large numbers to dependent quantities（1906）：马尔可夫提出并奠定相关理论的经典论文。
- J. R. Norris, Markov Chains：以马尔可夫链为主题的经典教材式专著。
- Sheldon M. Ross, Introduction to Probability Models：以应用为导向，常用马尔可夫链建模排队、库存等系统。
- Christopher M. Bishop, Pattern Recognition and Machine Learning：在机器学习语境中讨论与马尔可夫过程相关的概率图模型。
- Dan Jurafsky & James H. Martin, Speech and Language Processing：在语言模型与序列建模部分涉及（与马尔可夫假设相关的）内容。
Select Language