94分钟

NLP算法——HMM模型详解

HMM，即隐马尔科夫模型是一种统计模型，它在语音识别、分词等序列标注问题中有着广泛的应用。掌握 HMM 的基础原理及应用，对掌握 NLP 核心实践有重大意义。本门课将深入探究 HMM，课程从 HMM…

登录查看更多信息

课程分类: 人工智能 | 技术开发
适用人群: 分析师, 工程师, 研究员
课程标签: 自然语言处理,HMM模型,序列标注

HMM，即隐马尔科夫模型是一种统计模型，它在语音识别、分词等序列标注问题中有着广泛的应用。掌握 HMM 的基础原理及应用，对掌握 NLP 核心实践有重大意义。本门课将深入探究 HMM，课程从 HMM 基本概念出发，涵盖前向算法、Baum-Welch算法、维特比算法等多个算法的介绍说明，帮助学员快速建立对HMM的认知与理解框架。除此之外，还详细讲解了工具包的使用方法和适用场景。我们将带领学员串联所学的 HMM 理论知识，实现中文分词，完成项目结果的完整输出。通过完成本课程，学员将能够实现 HMM 从零基础到入门，在实际项目的解决过程中进一步深化对理论的理解。

一、马尔科夫模型二、隐马尔科夫模型基本出发点三、HNM的组成与要解决的问题四、暴力求解方法五、前向算法六、前向算法求解实例七、Baum-Welch算法八、维特比算法九、HMM模型工具包实战

唐宇迪

同济大学硕士，华东理工大学博士