Glossario

Modello di Markov nascosto (HMM)

Che cos’è Modello di Markov nascosto (HMM)?

Un modello di Markov nascosto (Hidden Markov Model, HMM) è un modello statistico per sequenze in cui gli stati reali sono nascosti e si possono dedurre solo da segnali osservabili. Descrive con quale probabilità uno stato segue l’altro e quale osservazione produce. Gli HMM sono stati a lungo lo standard nel riconoscimento vocale e nell’etichettatura delle parti del discorso; oggi si usano ancora, ad esempio, in bioinformatica e nell’analisi di serie temporali.

Temi

Statistica
Modelli di sequenza
Probabilità

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Modellazione di sequenze

La modellazione di sequenze comprende metodi che elaborano e prevedono dati con un ordine preciso, in cui conta la posizione di ogni elemento. Sequenze tipiche sono testo, linguaggio parlato, serie temporali come vendite o valori di sensori e segmenti di DNA. Le applicazioni vanno da traduzione e generazione di testo al riconoscimento vocale e alle previsioni di vendita. Si sono usati modelli di Markov nascosti e reti ricorrenti; oggi per il linguaggio dominano i modelli transformer.

sequenze
deep learning
+1

Etichettatura delle parti del discorso (POS tagging)

L'etichettatura delle parti del discorso (part-of-speech tagging) assegna automaticamente a ogni parola di una frase la sua categoria grammaticale, come nome, verbo, aggettivo o preposizione. Poiché molte parole sono ambigue («porta» come nome o come verbo, «sale» come nome o verbo), i metodi tengono conto del contesto. È un classico passo di pre-elaborazione per l'analisi sintattica, l'estrazione di informazioni o il controllo ortografico, offerto da librerie come spaCy o NLTK.

NLP
Grammatica
+1

Rete neurale ricorrente (RNN)

Una rete neurale ricorrente elabora i dati in sequenza e a ogni passo trasmette al successivo uno stato interno, una sorta di memoria a breve termine. Per questo è adatta a sequenze come testo, voce o serie temporali, ad esempio per prevedere la parola successiva o il prossimo valore di un sensore. Le RNN semplici dimenticano facilmente informazioni lontane; varianti come LSTM e GRU attenuano il problema. Nei modelli linguistici le RNN sono state in gran parte sostituite dai transformer.

reti neurali
sequenze
+1

Riconoscimento vocale (da voce a testo)

Il riconoscimento vocale, detto anche ASR (Automatic Speech Recognition), converte automaticamente il parlato in testo scritto. I sistemi moderni usano reti neurali addestrate su grandi quantità di registrazioni audio e gestiscono abbastanza bene accenti e rumori di fondo. Si usa per dettatura, sottotitoli, assistenti vocali o trascrizione di riunioni e conversazioni con i clienti. Termini tecnici, nomi propri e audio di scarsa qualità restano frequenti fonti di errore.

ASR
audio
+1