Skriti Markovljev model (hidden Markov model, HMM) je statistični model za zaporedja, pri katerem so dejanska stanja skrita in jih je mogoče sklepati le iz opazljivih signalov. Opisuje verjetnost, da eno stanje sledi drugemu in da vsako stanje ustvari določeno opazovanje. HMM-ji so bili dolgo standard pri prepoznavanju govora in označevanju besednih vrst; danes se še vedno uporabljajo na primer v bioinformatiki in analizi časovnih vrst.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevModeliranje zaporedij zajema metode, ki obdelujejo in napovedujejo podatke v določenem vrstnem redu, kjer je pomemben položaj vsakega elementa. Tipična zaporedja so besedilo, govorjeni jezik, časovne vrste, kot so prodaja ali meritve senzorjev, in odseki DNK. Uporabe segajo od prevajanja in generiranja besedil do prepoznavanja govora in napovedovanja prodaje. Za to so se uporabljali skriti Markovljevi modeli in ponavljajoče se mreže; danes pri jeziku prevladujejo modeli transformer.
Oblikoslovno označevanje vsaki besedi v stavku samodejno dodeli slovnično kategorijo, kot so samostalnik, glagol, pridevnik ali predlog. Ker so številne besede večpomenske (angleško „book“ kot samostalnik ali glagol, „light“ kot pridevnik ali samostalnik), metode upoštevajo kontekst stavka. Oblikoslovno označevanje je klasičen korak predobdelave za razčlenjevanje, izločanje informacij ali preverjanje črkovanja, ponujajo pa ga knjižnice, kot sta spaCy in NLTK.
Ponavljajoča se nevronska mreža obdeluje podatke po vrsti in notranje stanje prenaša iz koraka v korak – nekakšen kratkoročni spomin. Zato je primerna za zaporedja, kot so besedilo, govor ali časovne vrste, na primer za napoved naslednje besede ali naslednje meritve senzorja. Preproste mreže RNN zlahka pozabijo informacije iz daljne preteklosti; različice, kot sta LSTM in GRU, to omilijo. Pri jezikovnih modelih so RNN večinoma nadomestili transformerji.
Prepoznavanje govora, imenovano tudi ASR (automatic speech recognition), samodejno pretvori govorjeni jezik v pisano besedilo. Sodobni sistemi uporabljajo nevronske mreže, naučene na velikih količinah zvočnih posnetkov, in se razmeroma dobro spopadajo z naglasi in hrupom v ozadju. Uporabe vključujejo narekovanje, podnapise, glasovne pomočnike ter prepisovanje sestankov in klicev s strankami. Strokovni izrazi, lastna imena in slaba kakovost zvoka ostajajo pogosti viri napak.
