HanLP — HMM隐马尔可夫模型 -- 训练--归一化，计算概率

前篇得出初始矩阵、转移矩阵、发射矩阵
通过归一化得出每个状态的概率。
然后通过 pickle 将三个数组序列化到文件中，用的时候反序列化

# 训练数据
[
  '今天 天气 真 不错 。',
  '麻辣肥牛 好吃 ！',
  '我 喜欢 吃 好吃 的 ！'
]
# 标注
[
  'BE BE S BE S',
  'BMME BE S',
  'S BE S BE S S '
]

# 初始矩阵
[2, 0, 1, 0]

# 转移矩阵
[
  [0, 1, 0, 6],
  [0, 1, 0, 1],
  [3, 0, 1, 0],
  [2, 0, 5, 0]
]

# 发射矩阵
{
  'B': {'total': 7, '今': 1, '天': 1, '不': 1, '麻': 1, '好': 2, '喜': 1},
  'M': {'total': 2, '辣': 1, '肥': 1},
  'S': {'total': 7, '真': 1, '。': 1, '！': 2, '我': 1, '吃': 1, '的': 1},
  'E': {'total': 7, '天': 1, '气': 1, '错': 1, '牛': 1, '吃': 2, '欢': 1}
}

import pickle
from tqdm import tqdm
import numpy as np
import os


# 定义 HMM类, 其实最关键的就是三大矩阵
class HMM:
    def __init__(self, file_text, file_state):
        # 初始矩阵 : 1 * 4 , 对应的是 BMSE,
        self.init_matrix = [2, 0, 1, 0, ]
        # 转移状态矩阵:  4 * 4 ,
        self.transfer_matrix = [[0, 1, 0, 6],
                                [0, 1, 0, 1],
                                [3, 0, 1, 0],
                                [2, 0, 5, 0]]

        # 发射矩阵
        self.emit_matrix = {
            'B': {'total': 7, '今': 1, '天': 1, '不': 1, '麻': 1, '好': 2, '喜': 1},
            'M': {'total': 2, '辣': 1, '肥': 1},
            'S': {'total': 7, '真': 1, '。': 1, '！': 2, '我': 1, '吃': 1, '的': 1},
            'E': {'total': 7, '天': 1, '气': 1, '错': 1, '牛': 1, '吃': 2, '欢': 1}
            }

    # 将矩阵归一化，得出概率
    def normalize(self):
        self.init_matrix = self.init_matrix / np.sum(self.init_matrix)
        self.transfer_matrix = self.transfer_matrix / np.sum(self.transfer_matrix, axis=1, keepdims=True)
        self.emit_matrix = {state: {word: t / word_times["total"] * 1000 for word, t in word_times.items() if word != "total"} for state, word_times in
                            self.emit_matrix.items()}

    # 训练开始, 其实就是3个矩阵的求解过程
    def train(self):
        self.normalize()  # 矩阵求完之后进行归一化
        pickle.dump([self.init_matrix, self.transfer_matrix, self.emit_matrix], open("data/three_matrix.pkl", "wb"))  # 保存参数


if __name__ == "__main__":
    train_file = "data/train_data.txt"
    state_file = "data/train_state.txt"
    hmm = HMM(train_file, state_file)
    hmm.train()

# 初始矩阵 -- 概率
[0.66666667, 0,0.33333333,0]
# 转移矩阵 -- 概率
[[0.        , 0.14285714, 0.        , 0.85714286]
 [0.        , 0.5       , 0.        , 0.5       ]
 [0.75      , 0.        , 0.25      , 0.        ]
 [0.28571429, 0.        , 0.71428571, 0.        ]]

# 转移矩阵 -- 概率

{
  'B': {'今': 142.85714285714286, '天': 142.85714285714286, '不': 142.85714285714286, '麻': 142.85714285714286, '好': 285.7142857142857, '喜': 142.85714285714286}, 
  'M': {'辣': 500.0, '肥': 500.0}, 
  'S': {'真': 142.85714285714286, '。': 142.85714285714286, '！': 285.7142857142857, '我': 142.85714285714286, '吃': 142.85714285714286, '的': 142.85714285714286}, 
  'E': {'天': 142.85714285714286, '气': 142.85714285714286, '错': 142.85714285714286, '牛': 142.85714285714286, '吃': 285.7142857142857, '欢': 142.85714285714286}
}

https://www.bilibili.com/video/BV1aP4y147gA?p=8