nlp入门(五)隐马尔科夫模型
阅读原文时间:2023年08月16日阅读:3

源码请到:自然语言处理练习: 学习自然语言处理时候写的一些代码 (gitee.com)

一、马尔科夫模型概念

1.1 马尔科夫模型:具有马尔可夫性质并以随机过程为基础的模型

1.2 马尔科夫性质:过去状态只能影响现在状态,影响不了将来的状态

1.3 马尔科夫过程:随机过程满足马尔科夫性质,状态转移矩阵不会随着时间的变化而发生变化

1.4 马尔科夫模型举例

如图所示,天气有晴天、多云、雷雨三种状态,三种状态之间的变换是随机的,并且三种之间的状态概率是固定的,并且昨天的天气只能影响今天的天气,对明天的天气无法产生影响,就是一个马尔科夫模型。

二、隐马尔科夫模型

2.1 在马尔科夫模型中,无法直观的观察到状态,仅仅可以观测到表象,则称之为隐马尔科夫模型。

2.2 举例:在第一节的例子中,如果是在热带雨林中,看不见天所以无法直接观测到天气的情况,但是可以通过观察海藻的生长状态来判断当前的天气,这就是个隐马尔科夫模型

2.3 隐马尔科夫模型的表示

隐马尔科夫模型可以表示为:

其中π为初始状态,A为状态转移概率矩阵,B为生成观测状态概率矩阵

2.4 隐马尔科夫模型要解决的问题

2.4.1 给定模型λ=(A,B,π)及观测序列O={o1,o2……oT} 计算其出现的概率P(O|λ)

  • 暴力求解法

推导过程如下: 

其中

其中

就是B矩阵的内容

所以

最终

时间复杂度为O(TNT) N为隐藏状态个数, 指数次复杂度,比较难得出结果

  • 前向算法

在给定t时刻隐藏状态为i,观测序列为{O1,O2……OT}的概率叫做前向概率

那么我们只需要求得T时刻所有隐藏状态的前向概率就可以了

又可以得到

有了递推公式,则这个问题被转移成了一个动态规划,时间复杂度变为了O(N2T)

举例:

观测序列为{红 白 红}

在时刻1:

红色球,盒子1:

红色球,盒子2:

红色球,盒子3:

时刻2:

白色球,盒子1:

白色球,盒子2:

白色球,盒子3:

时刻3:

红色球,盒子1:

红色球,盒子2:

红色球,盒子3:

所以

2.4.2 给定观测序列O={o1,o2……oT} 求参数λ=(A,B,π)使得P(O|λ)最大

  • 给定状态序列I={i1,i2……iT}

给定状态序列的话,模型参数十分好求

初始概率π直接查询状态序列就可以了

状态转移概率公式:

生成观测概率:

  • 未给定状态序列

需要使用em算法

列概率最大值的对数似然方程

其中后部分

可视为一个常数

所以

其中三部分分别仅存在π、A、B参数,分别使用拉格朗日乘子法就可以求解

2.4.3 已知模型λ=(A,B,π)和观测序列O={o1,o2……oT} ,求状态序列I={i1,i2……iT}使得P(O|λ)最大

维特比算法

对于t时刻,隐藏状态为i,要找到所有可能路径的最大值

递推公式为

概率最大路径中t-1的状态为

举例:

观测到序列为 {红 白 红}

t1时刻

t2时刻

t3时刻

此时3最大,所以隐藏序列为(3,3,3)

三、hmmlearn工具安装

hmmlearn工具安装十分方便,执行

pip install hmmlearn

就可以了

四、维特比算法求隐藏序列

# 隐藏状态:三个盒子
states = ['box1', 'box2', 'box3']
n_states = len(states)

观测状态:两种球

observations = ['red', 'white']
n_observations = len(observations)

模型参数

start_probability = np.array([0.2, 0.4, 0.4])
transition_probability = np.array([
[0.5, 0.2, 0.3],
[0.3, 0.5, 0.2],
[0.2, 0.3, 0.5]
])
emission_probability = np.array([
[0.5, 0.5],
[0.4, 0.6],
[0.7, 0.3]
])

用于离散观测状态的模型

model = hmm.CategoricalHMM(n_components=n_states)
model.startprob_ = start_probability
model.transmat_ = transition_probability
model.emissionprob_ = emission_probability
model.n_features = n_observations

维特比算法,假设看到的是[红,白,红]

seen = np.array([[0, 1, 0]]).T
logprob, box = model.decode(seen, algorithm='viterbi')
print(np.array(states)[box])

box2 = model.predict(seen)
print(np.array(states)[box2])

五、求当前模型下的概率值(log形式)

# 求观测序列的可能性
print(model.score(seen))

六、给定观测序列求模型参数使得概率最大

# em算法求模型参数
model2 = hmm.CategoricalHMM(n_components=n_states, n_iter=20, tol=0.01)
X2 = np.array([[0, 1, 0, 1], [0, 0, 0, 1], [1, 0, 1, 1]])
model2.fit(X2)
print('startprob_', model2.startprob_)
print('transmat_', model2.transmat_)
print('emissionprob_', model2.emissionprob_)
print('score', model2.score(X2))

七、基于HMM算法的中文分词

将字视为观测状态,将词的位置信息视为隐藏状态,就可以实现分词啦

# 实现中文分词

{B(词开头),M(词中),E(词尾),S(独字词)}{0,1,2,3}

data = [{u'我要吃饭': 'SSBE'}, {u'天气不错': 'BEBE'}, {u'谢天谢地': 'BMME'}]

def getwords():
res = []
for line in data:
for key in line:
for word in key:
if word not in res:
res.append(word)
return ''.join(res)

def get_startprob(data):
"""
获取bmes起始矩阵
:return:起始矩阵
"""
c = 0
c_map = {'B': 0, 'M': 0, 'E': 0, 'S': 0}
for v in data:
for key in v:
value = v[key]
c = c + 1
print('value[0] is ' + value[0])
c_map[value[0]] = c_map[value[0]] + 1
print('c_map[value[0]] is ' + str(c_map[value[0]]))
res = []
for i in 'BMES':
res.append(c_map[i] / float(c))
return res

def get_transmat(data):
"""
获取状态转移矩阵
:return:状态转移矩阵
"""
c = 0
c_map = {}
for v in data:
for key in v:
value = v[key]
print('value[0] is ' + value[0])
for v_i in range(len(value) - 1):
couple = value[v_i:v_i + 2]
c_couple_source = c_map.get(couple, 0)
c_map[couple] = c_couple_source + 1
c = c + 1
print('get_transmat\'s c_map is ' + str(c_map))
res = []
for i in 'BMES':
col = []
col_count = 0
for j in 'BMES':
col_count = c_map.get(i + j, 0) + col_count
for j in 'BMES':
col.append(c_map.get(i + j, 0) / float(col_count))
res.append(col)
return res

def get_emissionprob(data):
"""
获取现象转换矩阵
:return:现象转换矩阵
"""
c_map = {}
for v in data:
for key in v:
k = key
value = v[key]
print('value[0] is ' + value[0])
for v_i in range(len(value)):
couple = value[v_i] + k[v_i]
print('emition\'s couple is ' + couple)
c_couple_source = c_map.get(couple, 0)
c_map[couple] = c_couple_source + 1
res = []
print('emmition\'s c_map is ' + str(c_map))
words = getwords()
for i in 'BMES':
col = []
col_count = 0
for j in words:
col_count = c_map.get(i + j, 0) + col_count
for j in words:
col.append(c_map.get(i + j, 0) / float(col_count))
res.append(col)
return res

def get_array_from_phase(data, phase):
c_map = {}
c = 0
for line in data:
for key in line:
for word in key:
if word not in c_map.keys():
c_map[word] = c
c = c + 1
res = []
for word in phase:
res.append(c_map[word])
return res

startprob = np.array(get_startprob(data))
print('startprob is ', startprob)
transmat = np.array(get_transmat(data))
print('transmat is ', transmat)
emissionprob = np.array((get_emissionprob(data)))
print('emissionprob', emissionprob)
cate_hmm = hmm.CategoricalHMM(n_components=4)
cate_hmm.startprob_ = startprob
cate_hmm.transmat_ = transmat
cate_hmm.emissionprob_ = emissionprob
phase = u'我要吃饭谢天谢地'
X = np.array(get_array_from_phase(data, phase))
X = X.reshape(len(phase), 1)
print('X is ', X)
Y = cate_hmm.predict(X)
print('Y is ', Y)

手机扫一扫

移动阅读更方便

阿里云服务器
腾讯云服务器
七牛云服务器

你可能感兴趣的文章