Hidden Markov Model
释义 Definition
隐马尔可夫模型（HMM）：一种用于处理序列数据的概率模型。它假设系统在一系列时间步上处于某些不可直接观测的“隐藏状态”，而我们能看到的是由这些隐藏状态“生成”的可观测输出。常用于语音识别、词性标注、生物序列分析、时间序列建模等。
发音 Pronunciation (IPA)
/ˈhɪdən ˈmɑːrkɔːv ˈmɑːdəl/
例句 Examples
We used a hidden Markov model to tag parts of speech in the sentence.
我们使用隐马尔可夫模型为句子进行词性标注。
Because the states are hidden, the hidden Markov model learns patterns from observations and estimates the most likely state sequence.
由于状态是不可观测的，隐马尔可夫模型会从观测数据中学习规律，并估计最可能的状态序列。
词源 Etymology（简述）
Hidden 表示“隐藏的、不可见的”；Markov 来自俄国数学家 Andrey Markov（安德烈·马尔可夫），与“马尔可夫过程（下一步只依赖当前状态）”相关；Model 指“模型”。合起来表示：用马尔可夫性质描述状态转移，但这些状态本身对观察者是“隐藏”的统计模型。
相关词 Related Words
文献与作品 Literary / Notable Works
- Rabiner, L. R. (1989). A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition（经典综述与入门教程）
- Jurafsky, D., & Martin, J. H. Speech and Language Processing（自然语言处理教材，介绍 HMM 用于标注等任务）
- Manning, C. D., & Schütze, H. Foundations of Statistical Natural Language Processing（统计 NLP 经典教材，涉及 HMM）
- Bishop, C. M. Pattern Recognition and Machine Learning（机器学习教材，从概率图模型角度关联 HMM）
- Baum, L. E., & Petrie, T. (1966). Statistical Inference for Probabilistic Functions of Finite State Markov Chains（与 HMM 训练相关的早期重要工作）
Select Language