Glossário

Modelo oculto de Markov (HMM)

O que é Modelo oculto de Markov (HMM)?

Um modelo oculto de Markov (HMM, do inglês hidden Markov model) é um modelo estatístico para sequências em que os estados reais estão ocultos e só podem ser deduzidos a partir de sinais observáveis. Descreve a probabilidade de um estado suceder a outro e de cada estado produzir uma dada observação. Os HMM foram durante muito tempo a norma no reconhecimento de voz e na anotação morfossintática; hoje continuam a ser usados, por exemplo, na bioinformática e na análise de séries temporais.

Temas

Estatística
Modelos de sequência
Probabilidade

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Modelação de sequências

A modelação de sequências abrange métodos que processam e preveem dados numa ordem fixa, em que a posição de cada elemento é importante. Sequências típicas são texto, linguagem falada, séries temporais, como vendas ou leituras de sensores, e segmentos de ADN. As aplicações vão da tradução e da geração de texto ao reconhecimento de voz e à previsão de vendas. Para isso foram usados modelos de Markov ocultos e redes recorrentes; hoje, os modelos transformer dominam na linguagem.

sequências
deep learning
+1

Etiquetagem de classes gramaticais (POS)

A etiquetagem de classes gramaticais atribui automaticamente a cada palavra de uma frase a sua categoria gramatical, como substantivo, verbo, adjetivo ou preposição. Como muitas palavras são ambíguas («casa» como substantivo ou como forma do verbo casar, «claro» como adjetivo ou advérbio), os métodos têm em conta o contexto da frase. A etiquetagem POS é um passo clássico de pré-processamento para a análise sintática, a extração de informação ou a verificação ortográfica e é oferecida por bibliotecas como o spaCy e o NLTK.

NLP
Gramática
+1

Rede neuronal recorrente (RNN)

Uma rede neuronal recorrente processa os dados por ordem e transmite um estado interno de cada passo para o seguinte – uma espécie de memória de curto prazo. Isto torna-a adequada para sequências como texto, fala ou séries temporais, por exemplo para prever a palavra seguinte ou a próxima leitura de um sensor. As RNN simples esquecem facilmente informações de há muito tempo; variantes como a LSTM e a GRU atenuam o problema. Nos modelos de linguagem, as RNN foram em grande medida substituídas pelos transformers.

redes neuronais
sequências
+1

Reconhecimento de voz (speech to text)

O reconhecimento de voz, também chamado ASR (automatic speech recognition), converte automaticamente a linguagem falada em texto escrito. Os sistemas modernos utilizam redes neuronais treinadas com grandes quantidades de gravações de áudio e lidam razoavelmente bem com sotaques e ruído de fundo. Entre as aplicações contam-se o ditado, as legendas, os assistentes de voz e a transcrição de reuniões e chamadas de clientes. Os termos técnicos, os nomes próprios e a fraca qualidade do áudio continuam a ser fontes frequentes de erros.

ASR
áudio
+1