试图更好地理解VITERBI算法

Question

我目前正在尝试在python中实现viterbi算法，更具体地说是在线课程中提供的版本。

目前，算法以这样的方式呈现： 给定一个带有K标记的句子，我们必须生成K标记。

我们假设标签K-1 =标签K-2 ='*'，然后k从0到K， 我们为令牌设置标签，如下所示： tag（WORD_k）= argmax（p（k-1，tag_k-2，tag_k-1）* e（word_k，tag_k）* q（tag_k，tag_k-1，tag_k-1））

根据我的理解，这是直截了当的，因为p参数已经在每一步计算（我们从1前进，我们已经知道p0），e和q参数的max可以通过标签的一次迭代计算（因为我们不能提出2个不同的标签，我们基本上必须找到q * e产品最大的标签T，然后返回）。这节省了大量时间，因为我们几乎处于线性时间的大O表示法，而不是指数复杂性，如果我们遍历所有可能的单词/标签组合，我们将获得指数复杂性。

我是否正确地获得了算法的核心，或者我错过了什么？

提前致谢

Answer 1

  

因为我们不能提出2个不同的标签，所以我们基本上必须这样做   找到q * e产品最大的标签T，然后返回

是的，听起来是对的。 q是三元组（过渡）概率，e被称为发射概率。正如您所说，在每个阶段的不同路径之间保持不变，因此最大值仅取决于其他两个路径。

每个标记序列应以位置-2和-1处的两个星号开头。所以第一个假设是正确的：

如果我们假设是位置k的最后两个标记为u和v的最大概率，则基于我们刚才所说的关于开头的内容星号，基本情况是

。

但是在一般情况下你有两个错误。排放概率是有条件的。同样在三元组中，重复两次，并且给出的公式不正确：