Γλωσσάριο

Κρυφό μοντέλο Markov (HMM)

Τι είναι Κρυφό μοντέλο Markov (HMM);

Ένα κρυφό μοντέλο Markov (hidden Markov model, HMM) είναι ένα στατιστικό μοντέλο για ακολουθίες, στο οποίο οι πραγματικές καταστάσεις είναι κρυφές και μπορούν να συναχθούν μόνο από παρατηρήσιμα σήματα. Περιγράφει την πιθανότητα μιας κατάστασης να ακολουθήσει μια άλλη και κάθε κατάσταση να παράγει μια δεδομένη παρατήρηση. Τα HMM ήταν για πολύ καιρό το πρότυπο στην αναγνώριση ομιλίας και στη σήμανση μερών του λόγου· σήμερα χρησιμοποιούνται ακόμη, για παράδειγμα, στη βιοπληροφορική και στην ανάλυση χρονοσειρών.

Θέματα

Στατιστική
Μοντέλα ακολουθιών
Πιθανότητες

Δοκιμάστε το KI.ordo

Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.

Έναρξη επίδειξης

← Όλοι οι όροι

Σχετικοί όροι

Μοντελοποίηση ακολουθιών

Η μοντελοποίηση ακολουθιών καλύπτει μεθόδους που επεξεργάζονται και προβλέπουν δεδομένα με καθορισμένη σειρά, όπου η θέση κάθε στοιχείου έχει σημασία. Τυπικές ακολουθίες είναι κείμενο, προφορικός λόγος, χρονοσειρές όπως πωλήσεις ή μετρήσεις αισθητήρων, και τμήματα DNA. Οι εφαρμογές κυμαίνονται από τη μετάφραση και την παραγωγή κειμένου έως την αναγνώριση ομιλίας και την πρόβλεψη πωλήσεων. Για τον σκοπό αυτό έχουν χρησιμοποιηθεί κρυφά μοντέλα Markov και αναδρομικά δίκτυα· σήμερα στη γλώσσα κυριαρχούν τα μοντέλα transformer.

ακολουθίες
βαθιά μάθηση
+1

Επισημείωση μερών του λόγου (POS)

Η επισημείωση μερών του λόγου αποδίδει αυτόματα σε κάθε λέξη μιας πρότασης τη γραμματική της κατηγορία, όπως ουσιαστικό, ρήμα, επίθετο ή πρόθεση. Επειδή πολλές λέξεις είναι διφορούμενες (το «book» ως ουσιαστικό ή ρήμα, το «light» ως επίθετο ή ουσιαστικό), οι μέθοδοι λαμβάνουν υπόψη το πλαίσιο της πρότασης. Η επισημείωση POS είναι κλασικό βήμα προεπεξεργασίας για συντακτική ανάλυση, εξαγωγή πληροφοριών ή ορθογραφικό έλεγχο και προσφέρεται από βιβλιοθήκες όπως το spaCy και το NLTK.

NLP
γραμματική
+1

Αναδρομικό νευρωνικό δίκτυο (RNN)

Ένα αναδρομικό νευρωνικό δίκτυο επεξεργάζεται τα δεδομένα με σειρά και μεταφέρει μια εσωτερική κατάσταση από κάθε βήμα στο επόμενο – ένα είδος βραχυπρόθεσμης μνήμης. Αυτό το καθιστά κατάλληλο για ακολουθίες όπως κείμενο, ομιλία ή χρονοσειρές, για παράδειγμα για την πρόβλεψη της επόμενης λέξης ή της επόμενης μέτρησης αισθητήρα. Τα απλά RNN ξεχνούν εύκολα πληροφορίες από πολύ παλιά· παραλλαγές όπως τα LSTM και GRU το περιορίζουν. Στα γλωσσικά μοντέλα, τα RNN έχουν σε μεγάλο βαθμό αντικατασταθεί από τους transformers.

νευρωνικά δίκτυα
ακολουθίες
+1

Αναγνώριση ομιλίας (speech to text)

Η αναγνώριση ομιλίας, που ονομάζεται και ASR (automatic speech recognition), μετατρέπει αυτόματα τον προφορικό λόγο σε γραπτό κείμενο. Τα σύγχρονα συστήματα χρησιμοποιούν νευρωνικά δίκτυα εκπαιδευμένα σε μεγάλες ποσότητες ηχογραφήσεων και αντεπεξέρχονται αρκετά καλά σε προφορές και θόρυβο υποβάθρου. Οι εφαρμογές περιλαμβάνουν υπαγόρευση, υποτίτλους, φωνητικούς βοηθούς και απομαγνητοφώνηση συσκέψεων και κλήσεων πελατών. Οι τεχνικοί όροι, τα κύρια ονόματα και η κακή ποιότητα ήχου παραμένουν συχνές πηγές σφαλμάτων.

ASR
ήχος
+1