October 23
研究中可能用到的模型（一）：hidden markov model
HMM：基本思想，假定事物存在若干隐含状态，事物的变化即是在隐含状态之间的转换。通过观察事物的变化表现出来的一组现象，推断出事物的可能存在于某个状态的概率。
核心因素：（A, B, pai）
A: state transition probability，事物从一个状态跳转到另一个状态的概率
B: observation probability distribution in each state: 在每个状态下，出现某种观察到的现象的概率。
pai: 事物的初始状态
应用有三种：（1）给定完备的HMM模型，给定一组观察值序列， 预测下一个可能出现的观察值； （2）给定HMM模型，和一组观察值序列，决定隐含在这组观察值下的状态转换序列。（3）给出一组观察值序列，求使得这个序列出现概率最大的HMM模型。
HMM模型广泛应用于IR研究领域，核心思想其实和bayes异曲同工。我的感觉是：最重要的是找到真正和你假定的隐含状态联系的观察。
Tools 
