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。
/hdn mrkv mdl/
/hdn mrkov mdl/
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。
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。）
Select Language