मार्कोव चेन और छुपे हुए मार्कोव मॉडल के बीच क्या अंतर है?

Question

मार्कोव चेन मॉडल और छुपे हुए मार्कोव मॉडल के बीच क्या अंतर है? मैंने विकिपीडिया में पढ़ा है, लेकिन मतभेदों को समझ नहीं सका।

Answer 1

उदाहरण के अनुसार, मैं प्राकृतिक भाषा प्रसंस्करण से एक उदाहरण का उपयोग करूंगा। कल्पना कीजिए कि आप इस वाक्य की संभावना जानना चाहता हूँ:, आप की गणना के द्वारा अपनी संभावना का अनुमान कर सकता है

मैं आनंद कॉफी

एक मार्कोव मॉडल में:

P(WORD = I) x P(WORD = enjoy | PREVIOUS_WORD = I) x P(word = coffee| PREVIOUS_WORD = enjoy) 

अब, कल्पना हम चाहते थे इस वाक्य के भाषणों के बारे में जानें, यानी, यदि कोई शब्द एक भूतकाल काल है, एक संज्ञा, आदि

हमने किसी भी भाग-के-स्पॉट का निरीक्षण नहीं किया उस वाक्य में ईच टैग, लेकिन हम मानते हैं वे वहां हैं। इस प्रकार, हम गणना करते हैं कि भागों के भाषण टैग अनुक्रम की संभावना क्या है। हमारे मामले में, वास्तविक अनुक्रम है:

पीआरपी-VBP-एनएन

लेकिन रुकिए! यह एक अनुक्रम है कि हम एक मार्कोव मॉडल को लागू कर सकते हैं। लेकिन हम इसे छिपाते हैं, क्योंकि भाषण-अनुक्रम के भाग सीधे कभी नहीं देखे जाते हैं। बेशक, हम इस तरह के कई अनुक्रमों की गणना करेंगे और हम छिपे अनुक्रम को खोजना चाहते हैं जो हमारे अवलोकन को सबसे अच्छी तरह से समझाता है (उदाहरण के लिए हम निर्धारक से उत्पन्न 'द', 'यह' जैसे शब्दों को देखने की अधिक संभावना रखते हैं (DET) टैग)

सबसे अच्छा विवरण मैंने कभी सामना करना पड़ा लॉरेंस आर Rabiner द्वारा 1989 से एक समाचार पत्र में है: http://www.cs.ubc.ca/~murphyk/Bayes/rabiner.pdf

Answer 2

एक छुपा मार्कोव मॉडल दो स्तरों के साथ एक डबल एम्बेडेड स्टोकास्टिक प्रक्रिया है।

ऊपरी स्तर एक मार्कोव प्रक्रिया है और राज्य अप्रसन्न हैं।

वास्तव में, अवलोकन ऊपरी स्तर मार्कोव राज्यों का एक संभाव्य कार्य है।

विभिन्न मार्कोव राज्यों में अलग-अलग अवलोकन संभाव्य कार्य होंगे।

Answer 3

मार्कोव मॉडल राज्य मशीन है जिसमें राज्य परिवर्तन संभावनाएं हैं। एक छिपे हुए मार्कोव मॉडल में, आप संभावनाओं को नहीं जानते हैं, लेकिन आप परिणामों को जानते हैं।

उदाहरण के लिए, जब आप एक सिक्का फिसलते हैं, तो आप संभावनाएं प्राप्त कर सकते हैं, लेकिन, यदि आप फ्लिप नहीं देख पा रहे हैं और कोई प्रत्येक सिक्का फ्लिप के साथ पांच अंगुलियों में से एक को स्थानांतरित करता है, तो आप उंगली की गति ले सकते हैं और इसका उपयोग कर सकते हैं सिक्का फ्लिप का सबसे अच्छा अनुमान पाने के लिए छुपा मार्कोव मॉडल।

Answer 4

के बाद मैट एक HMM उदाहरण के रूप में इस्तेमाल किया भागों के-भाषण टैग, मैं एक जोड़ सकता है अधिक उदाहरण: भाषण मान्यता। लगभग सभी बड़ी शब्दावली निरंतर भाषण मान्यता (एलवीसीएसआर) सिस्टम एचएमएम पर आधारित हैं।

"मैट की मिसाल": मैं आनंद कॉफी

एक मार्कोव मॉडल, आप की गणना के द्वारा अपनी संभावना का अनुमान कर सकता है में:

P(WORD = I) x P(WORD = enjoy | PREVIOUS_WORD = I) x P(word = coffee| PREVIOUS_WORD = enjoy) 

एक छिपे हुए मार्कोव मॉडल में,

मान लें कि 30 अलग-अलग लोग वाक्य "I "" hugging का आनंद लें और हमें इसे पहचानना होगा। प्रत्येक व्यक्ति इस वाक्य को अलग-अलग उच्चारण करेगा। इसलिए हम नहीं जानते कि व्यक्ति "hugging" या "hogging" का मतलब है या नहीं। हमारे पास केवल वास्तविक शब्द का संभाव्य वितरण होगा।

संक्षेप में, एक छिपे हुए मार्कोव मॉडल एक सांख्यिकीय मार्कोव मॉडल है, जिसमें प्रणाली मॉडल की जा रही अप्रत्यक्ष (छुपा) राज्यों के साथ एक मार्कोव प्रक्रिया माना जाता है है।