[导入]Forward和Viterbi的一个Python实现

作者: abruzzi  链接：http://abruzzi.javaeye.com/blog/292002  发表时间: 2008年12月12日

声明：本文系JavaEye网站发布的原创博客文章，未经作者书面许可，严禁任何网站转载本文，否则必将追究法律责任！

前一向研究HMM(隐马尔可夫模型)，在wiki上看到了一个python实现的forward&viterbi算法，就先放在这里，过几天研究。HMM是人们在研究人工智能(语音设别，模式识别)方面的一个重要理论，差不多相当于“知道一些线索的情况下，跟据结论推出结果”的算法，很简单，很强大!

 

好了，先看看这个代码，慢慢分析之

 

def forward_viterbi(obs, states, start_p, trans_p, emit_p):
   T = {}
   for state in states:
       ##          prob.           V. path  V. prob.
       T[state] = (start_p[state], [state], start_p[state])
   for output in obs:
       U = {}
       for next_state in states:
           total = 0
           argmax = None
           valmax = 0
           for source_state in states:
               (prob, v_path, v_prob) = T[source_state]
               p = emit_p[source_state][output] * trans_p[source_state][next_state]
               prob *= p
               v_prob *= p
               total += prob
               if v_prob > valmax:
                   argmax = v_path + [next_state]
                   valmax = v_prob
           U[next_state] = (total, argmax, valmax)
       T = U
   ## apply sum/max to the final states:
   total = 0
   argmax = None
   valmax = 0
   for state in states:
       (prob, v_path, v_prob) = T[state]
       total += prob
       if v_prob > valmax:
           argmax = v_path
           valmax = v_prob
   return (total, argmax, valmax)

 

 python就是简单，这要撂别的高级语言，这么短的代码说不定连局部变量还没初始化完呢。这个是算法主题，下面是如何测试这个算法的一个小函数和几个状态集合。

 

states = ('Rainy', 'Sunny')
 
observations = ('walk', 'shop', 'clean')
 
start_probability = {'Rainy': 0.6, 'Sunny': 0.4}
 
transition_probability = {
   'Rainy' : {'Rainy': 0.7, 'Sunny': 0.3},
   'Sunny' : {'Rainy': 0.4, 'Sunny': 0.6},
   }
 
emission_probability = {
   'Rainy' : {'walk': 0.1, 'shop': 0.4, 'clean': 0.5},
   'Sunny' : {'walk': 0.6, 'shop': 0.3, 'clean': 0.1},
   }
   
#A simple example of the using algorithm
def example():
    return forward_viterbi(observations,
                           states,
                           start_probability,
                           transition_probability,
                           emission_probability)
print example()

 

okay,这些代码放入一个文件，就可以做一个简单的测试了。先把代码放在这里，过几天完整的分析一下。