注意：本篇博文標紅字部分爲一處筆誤的改正。非常感謝獵兔網 開發工程師 羅剛指出錯誤。歡迎大家光臨我的博客指正各種思維不周，本人不拒絕嚴格的批評，只要能指出具體錯誤，和改進方案
採用這種方法首先要弄懂1.什麼是二元語法模型：二元語法模型也就是一階馬爾科夫鏈，更通俗的說法是：一個詞出現與否，僅有它前面一個詞有關。舉個例子
：P(成|結合）*P（結合）>P(合成|結) *P（結）表示 “結合成”分詞爲 “結合 成”的概率要大於分詞爲“結 合成”的概率。這也是和一元語法模型的不同之處。對於一元語法模型“結合成”的分詞結合要看 P（結）*P（合）*P（成）， P（結合）*P（成），P（結）*P（合成）誰大。對比一元語法模型和二元語法模型，我們能夠看出，二元語法模型優於一元語法模型，因爲它考慮了上下文相關性，同理，三元語法模型優於二元語法模型。
2. 什麼是Viterbi算法。Veterbi算法是動態規劃算法中的一種，常用在隱式馬爾科夫模型求最優路徑中。
我們首先要闡明動態規劃算法的結構：
子結構最優，子問題交疊。也就是說一：1個問題的最優解是由最優的子問題的最優解構成；2求解此問題最優解的方法過程，對於求解子問題也適用，也就是可遞歸性。
如果大家想對一元語法模型，和veterbi算法，有更深入的瞭解，可以參考以下兩篇博文：一元語法模型，Viterbi算法
未完待續