二阶隐马尔可夫模型的学习算法及其与一阶隐马尔可夫模型的关系

研究和推导了二阶隐马尔可夫模型 (HMM2 )的学习算法 ,其中包括前向、后向变量的定义与计算 ,Viter-bi算法 ,以及 Baum - Welch算法 .同时还研究了 HMM2与一阶隐马尔可夫模型 (HMM1)之间的关系 ,发现对任给的 HMM2 ,总存在一个 HMM1与之等价 ,提出了 HMM2与 HMM1的等价性定理 。

基于二阶隐马尔可夫模型的文本信息抽取

隐马尔可夫模型是文本信息抽取的重要方法之一.在一阶隐马尔可夫模型中,假设状态转移概率和观察值输出概率仅依赖于模型当前的状态,一定程度降低了信息抽取的精确度.而二阶隐马尔可夫模型合理地考虑了概率和模型历史状态的关联性,对错误信息有更强的识别能力.提出了基于二阶隐马尔可夫模型的文本信息抽取算法;分析了二阶隐马尔可夫模型在文本信息抽取中的有效性;仿真实验表明,新的算法比基于一阶隐马尔可夫模型的算法具有更高的抽取精确度.