隐马尔可夫模型(HMM)
1、模型背景
现实生活中很多事情的发生都是有规律可循的,即表现出来的结果,受到某些“隐藏”因素的影响。举个例子,某个人事业成功与否,这与他自身是否努力有一定关系的。其表现出来的状态是成功或者失败,而隐藏的影响因素为努力与否。对于类似这类问题可以通过统计学的方法,计算表现结果为X的情况下,隐藏状态为Y的概率即P(Y∣X)。利用这个概率可以将给定的表现结果X,标注上其最有可能对应的隐藏状态Y。这就是机器学习中样本标注的过程。
贝叶斯公式:
P(A∣B)=P(B)P(AB)=P(B)P(B∣A)P(A)(1)
X={x1,x2,⋯,xn}Y={y1,y2,⋯,yn}
P(Y∣X)=P(y1,y2,...,yn∣xi,x2,⋯,xn)=P(x1,x2,⋯,xn)P(x1,x2,...,xn∣y1,y2,⋯,yn)P(y1,y2,⋯,yn)∝P(x1,x2,...,xn∣y1,y2,⋯,yn)P(y1,y2,⋯,yn)
其中
P(y1,y2,⋯,yn)=P(y1)P(y2,⋯,yn∣y1)=P(y1)P(y2∣y1)P(y3,⋯,yn∣y1,y2)=P(y1)P(y2∣y1)P(y3∣y1,y2)P(y4,⋯,yn∣y1,y2,y3)=P(y1)P(y2∣y1)P(y3∣y1,y2)⋯P(yi∣y1,⋯,yi−1)P(yi+1,⋯,yn∣y1,⋯,yi)=P(y1)i=2∏nP(yi∣y1,⋯,yi−1)
假设隐藏状态yi仅与前一状态yi−1有关(即齐次性假设),而与其他状态无关,则
P(y1)i=2∏nP(yi∣y1,⋯,yi−1)≈P(y1)i=2∏nP(yi∣yi−1)(2)
而
P(x1,x2,...,xn∣y1,y2,⋯,yn)=P(x1∣y1,⋯,yn)P(x2,⋯,xn∣x1,y1,⋯,yn)=P(x1∣y1,⋯,yn)P(x2∣x1,y1,⋯,yn)P(x3,⋯,xn∣x1,x2,y1,⋯,yn)=P(x1∣y1,⋯,yn)P(x2∣x1,y1,⋯,yn)⋯P(xi∣x1,⋯,xi−1,y1,⋯,yn)P(xi+1,⋯,xn∣x1,⋯,xi,y1,⋯,yn)=i=1∏nP(xi∣x1,⋯,xi−1,y1,⋯,yn)
假设当前的表现xi仅与当前的隐藏状态yi有关,与其他时刻的表现及隐藏状态无关(独立性假设),则
i=1∏nP(xi∣x1,⋯,xi−1,y1,⋯,yn)≈i=1∏nP(xi∣yi)(3)
结合公式(2)和公式(3)则有如下关系:
P(y1,y2,...,yn∣xi,x2,⋯,xn)∝i=1∏nP(xi∣yi)P(yi∣yi−1)(4)
公式(4)需满足一个初始条件,中当i=1时,P(y1∣y0)=P(y1)。公式(4)所代表的模型即为隐马尔可夫模型。
2、模型定义
隐马尔可夫模型是关于时序的概率模型,描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列,再由各个状态生成一个观测从而产生观测随机序列的过程。隐藏的马尔可夫链随机生成的状态的序列,称为状态序列(state sequence);每个状态生成一个观测,而由此产生的观测的随机序列,称为观测序列(observation sequence)。序列的每一个位置又可以看作是一个时刻。
隐马尔可夫模型由初始概率分布、状态转移概率分布以及观测概率分布确定。隐马尔可夫模型的定义如下:
设Q是所有可能的状态的集合,V是所有可能的观测的集合:
Q={q1,q2,⋯,qN}, V={v1,v2,⋯,vM}
其中,N是可能的状态数,M是可能的观测数。
I 是长度为 T 的状态序列,O是对应的观测序列:
I={i1,i2,⋯,iT}, O={o1,o2,⋯,oT}
A是状态转移概率矩阵:
A=[aij]N×N
其中,
aij=P(it+1=qj∣it=qi), i=1,2,⋯,N; j=1,2,⋯,N
代表在t时刻处于qi的条件下在t+1时刻转移到状态qj的概率。
B代表观测矩阵:
B=[bj(k)]N×M
其中,
bj(k)=P(ot=vk∣it=qj) j=1,2,⋯,N; k=1,2,⋯,M
代表在t时刻处于qj的条件下生成观测vk的概率。
π是初始状态概率向量:
π=(πi)
其中,
πi=P(i1=qi) i=i,2,⋯,N
代表t=1的时刻,状态为qi的概率。
隐马尔可夫模型由初始状态概率向量π、状态转移概率矩阵A和观测概率矩阵B决定。π和A决定状态序列,B决定观测序列。因此,隐马尔可夫模型λ可以用三元符号表示,即
λ=(A,B,π)
A,B,π称位隐马尔可夫模型的三要素。
状态转移概率矩阵A与初始状态概率向量π确定了隐藏的马尔可夫链,生成不可观测的状态序列。观测概率矩阵B确定了如何从状态生成观测,与状态序列综合确定了如何产生观测序列。
前面背景介绍中涉及到的两种基本假设,下面在这里进行详细介绍:
(1)齐次马尔可夫假设,即假设隐藏的马尔可夫链在任意时刻t的状态只依赖于其前一时刻的状态,与其他时刻的状态及观测无关,也与时刻t无关:
P(it∣it−1,ot−1,⋯,i1,o1)=P(it∣it−1), t=1,2,⋯,T(5)
(2)观测独立性假设,即假设任意时刻的观测只依赖于该时刻的马尔可夫链的状态,与其他观测及状态无关:
P(ot∣iT,oT,iT−1,oT−1,⋯,it+1,ot+1,it,it−1,ot−1,⋯,i1,o1)=P(ot∣it)(6)
隐马尔可夫模型可以用于标注,这是状态对应着标记。标注问题是给定观测的序列预测其对应的标记序列。可以假设标注问题的数据是由隐马尔可夫模型生成的。这样我们可以利用隐马尔可夫模型的学习与预测算法进行标注。
本节内容可以用一句话简单概括,一个定义,二个假设,三个要素。
3、模型的三个基本问题
3.1、概率计算问题
给定模型λ=(A,B,π)和观测序列O=(o1,o2,⋯,oT),计算在模型λ下观测序列O出现的概率P(O∣λ)。
1、直接计算法
给定模型λ=(A,B,π)和观测序列O=(o1,o2,⋯,oT),计算观测序列O出现的概率P(O∣λ)。最直接的方法是按照概率公式直接计算。列举所有可能的长度为T的状态序列I=(i1,i2,⋯,iT),求各个状态序列I与观测序列O=(o1,o2,⋯,oT)的联合概率P(O,I∣λ),然后对所有可能的状态序列求和,得到P(O∣λ)。
状态序列I=(i1,i2,⋯,iT)的概率是:
P(I∣λ)=πi1ai1i2ai2i3⋯aiT−1iT(7)
对固定的状态序列I=(i1,i2,⋯,iT),生成观测序列O=(o1,o2,⋯,oT)的概率是:
P(O∣I,λ)=bi1(o1)bi2(o2)⋯biT(oT)(8)
O和I同时出现的联合概率为
P(O,I∣λ)=P(O∣I,λ)P(I∣λ)=πi1bi1(o1)ai1i2bi2(o2)⋯aiT−1iTbiT(oT)(9)
然后,对所有可能的状态序列I求和,得到观测序列O的概率P(O∣λ),即
P(O∣λ)=I∑P(O∣I,λ)P(I∣λ)=i1,i2,⋯,iT∑πi1bi1(o1)ai1i2bi2(o2)⋯aiT−1iTbiT(oT)(10)
按照第2小节所介绍的,所有状态的集合为Q,集合内的元素个数为N。那么对于长度为T的状态序列I,其对应的任意时刻都有N种选择,因此对于状态序列I就有NT种选择。这样不难看出,公式(10)计算量很大,时间复杂度是O(TNT),这种算法基本不可行。
2、前向算法
定义(前向概率) 给定隐马尔可夫模型λ,定义到时刻t部分观测序列为o1,o2,⋯,ot且状态为qi的概率为前向概率,记作
αt(i)=P(o1,o2,⋯,ot,it=qi∣λ)(11)
算法(观测序列概率的前向算法)
输入:隐马尔可夫模型λ,观测序列O;
输出:观测序列概率P(O∣λ)。
(1)初值
α1(i)=πibi(o1), i=1,2,⋯,N(12)
(2)递推 对t=1,2,⋯,T−1,
αt+1(i)=[j=1∑Nαt(j)aji]bi(ot+1)(13)
(3)终止
P(O∣λ)=i=1∑NαT(i)(14)
前向算法,步骤(1)初始化前向概率,是初始时刻的状态i1=qi和观测o1的联合概率。步骤(2)是前向概率的递推公式,计算时刻t+1部分观测序列为o1,o2,⋯,ot,ot+1且在时刻t+1处于状态qi的前向概率,如图1所示。在公式(13)的方括号里,既然αt(j)是到时刻t观测到o1,o2,⋯,ot并在时刻t处于状态qj的前向概率,那么乘积αt(j)aji就是到时刻t观测到o1,o2,⋯,ot并在时刻t处于状态qj而在时刻t+1到状态qi的联合概率。对这个乘积在时刻t的所有可能的N个状态qj求和,其结果就是到时刻t观测为o1,o2,⋯,ot并在时刻t+1处于状态qi的联合概率。方括号里面的观测概率bi(ot+1)的乘积恰好是到时刻t+1观测到o1,o2,⋯,ot,ot+1并在时刻t+1处于状态qi的前向概率αt+1(i)。步骤(3)给出P(O∣λ)的计算公式。因为
αT(i)=P(o1,o2,⋯,oT,iT=qi∣λ)
所以
P(O∣λ)=i=1∑NαT(i)
图 1 前向概率的递推公式
如图2所示,前向算法实际是基于“状态序列的路径结构”递归计算
P(O∣λ)的算法。前向算法高效的关键是其局部计算前向概率,然后利用路径结构将前向概率“递归”到全局,得到
P(O∣λ)。具体地,在时刻
t=1,计算
α1(i)的
N个值
(i=1,2,⋯,N);在各个时刻
t=1,2,⋯,T−1,计算
αt+1的
N个值
(i=1,2,⋯,N),而且每个
αt+1的计算利用前一时刻
N个
αt(j)。减少计算量的原因在于每一次计算直接引用前一个时刻的计算结果,避免重复计算。这样,利用前向概率计算
P(O∣λ)的计算量是
O(N2T)阶的。
图 2 观测序列路径结构
前向递推公式证明:
已知联合概率公式如下:
P(ABC)=P(AB∣C)P(A∣B)P(B)
基于上面公式证明如下:
∵ αt(j)aji=P(o1,⋯,ot,it=qj∣λ)P(it+1=qi∣it=qj,λ)=P(o1,⋯,ot∣it=qj,λ)P(it=qj∣λ)P(it+1=qi∣it=qj,λ)=P(o1,⋯,ot∣it=qj,λ)P(it=qj,it+1=qi∣λ)=P(o1,⋯,ot∣it=qj,it+1=qi,λ)P(it=qj,it+1=qi∣λ)=P(o1,⋯,ot,it=qj,it+1=qi∣λ)
∴ [j=1∑Nαt(j)aji]bt+1(i)=j=1∑N[P(o1,⋯,ot,it=qj,it+1=qi∣λ)]P(ot+1∣it+1=qi,λ)=P(o1,⋯,ot,it+1=qi∣λ)P(ot+1∣it+1=qi,λ)=P(o1,⋯,ot∣it+1=qi,λ)P(it+1=qi∣λ)P(ot+1∣it+1=qi,λ)=P(o1,⋯,ot∣it+1=qi,λ)P(ot+1,it+1=qi∣λ)=P(o1,⋯,ot∣ot+1,it+1=qi,λ)P(ot+1,it+1=qi∣λ)=P(o1,⋯,ot,ot+1,it+1=qi∣λ)=αt+1(i)
3、后向算法
定义(后向概率) 给定隐马尔可夫模型λ,定义在时刻t状态为qi的条件下,从t+1到T的部分观测序列为ot+1,ot+2,⋯,oT的概率为后向概率,记作
βt(i)=P(ot+1,ot+2,⋯,oT∣it=qi,λ)(15)
算法(观测序列概率的后向算法)
输入:隐马尔可夫模型λ,观测序列O;
输出:观测序列概率P(O∣λ)。
(1)初值
βT(i)=1, i=1,2,⋯,N
代表t=T时刻,任意状态的后向概率均为1。
(2)递推 对t=T−1,T−2,⋯,1
βt(i)=j=1∑Naijbj(ot+1)βt+1(j), i=1,2,⋯,N(16)
(3)终止
P(O∣λ)=i=1∑Nπibi(o1)β1(i)(17)
步骤(1)初始化后向概率,对最终时刻的所有状态qi规定βT(i)=1。步骤(2)是后向概率的递推公式。如图3所示,为了计算在时刻t状态为qi条件下时刻t+1之后的观测序列为Ot+1,ot+2,⋯,oT的后向概率βt(i),只需考虑在时刻t+1所有可能的N个状态qj的转移概率(即aij),以及在此状态下的观测ot+1的观测概率(即bj(ot+1)项),然后考虑状态qj之后的观测序列的后向概率(即βt+1(j)项)。步骤(3)求P(O∣λ)的思路与步骤(2)一致,只是初始概率πi代替转移概率。
图 3 后向概率递推公式
后向递推公式证明:
j=1∑Naijbj(ot+1)βt+1(j)=j=1∑NP(it+1=qj∣it=qi,λ)P(ot+1∣it+1=qj,λ)P(ot+2,⋯,oT∣it+1=qj,λ)=j=1∑NP(it+1=qj∣it=qi,λ)P(ot+1∣it+1=qj,λ)P(ot+2,⋯,oT∣ot+1,it+1=qj,λ)=j=1∑NP(it+1=qj∣it=qi,λ)P(ot+1,ot+2,⋯,oT∣it+1=qj,λ)=j=1∑NP(it+1=qj∣it=qi,λ)P(ot+1,ot+2,⋯,oT∣it=qi,it+1=qj,λ)=j=1∑NP(ot+1,ot+2,⋯,oT,it+1=qj∣it=qi,λ)=P(ot+1,ot+2,⋯,oT∣it=qi,λ)=βt(i)
利用前向概率和后向概率的定义可以将观测序列概率P(O∣λ)统一写成
P(O∣λ)=i=1∑Nj=1∑Nαt(i)aijbj(ot+1)βt+1(j)(18)
4、一些概率与期望值的计算
利用前向概率和后向概率,可以得到关於单个状态和两个状态概率的计算公式。
- 定义模型λ和观测O,在时刻t处于状态qi的概率。记
γt(i)=P(it=qi∣O,λ)=P(O∣λ)P(it=qi,O∣λ)=∑j=1Nαt(j)βt(j)αt(i)βt(i)(19)
- 给定模型λ和观测O,在时刻t处于状态qi且在时刻t+1处于qj的概率。记
ξt(i,j)=P(it=qi,it+1=qj∣O,λ)=∑i=1N∑j=1Nαt(i)aijbj(ot+1)βt+1(j)αt(i)aijbj(ot+1)βt+1(j)(20)
- 将γt(i)和ξt(i,j)对各个时刻t求和,可以得到一些有用的期望值。
(1)在观测O下状态i出现的期望值:
t=1∑Tγt(i)(21)
(2)在观测O下由状态i转移的期望值:
t=1∑T−1γt(i)(22)
(3)在观测O下由状态i转移到状态j的期望值:
t=1∑T−1ξt(i,j)(23)
3.2、学习问题
隐马尔可夫模型的学习,根据训练数据是包括观测序列和对应的状态序列还是只有观测序列,可以分别由监督学习与无监督学习实现。
- 监督学习方法
已知观测序列O=(o1,o2,⋯,oT),估计模型λ=(A,B,π)参数,使得在该模型下观测概率P(O∣λ)最大。即用极大似然估计的方法估计参数。
1、转移概率aij的估计
设样本中时刻t处于状态i时刻t+1转移到状态j的频数为Aij,那么状态转移概率为
aij=∑j=1NAijAij i=1,2,⋯,N; j=1,2,⋯,N(24)
2、观测概率bj(k)的估计
设样本中状态为j并观测为k的频数是Bjk,那么状态j观测为k的概率估计是:
bj(k)=∑k=1MBjkBjk j=1,2,⋯,N; k=1,2,⋯,M(25)
3、初始状态概率πi的估计为S个样本中初始状态为qi的频率。
- 无监督学习方法
暂时略过
3.3、预测问题(解码问题)
已知模型λ=(A,B,π)和观测序列O=(o1,o2,⋯,oT),求对给定观测序列条件概率P(I∣λ)最大的状态序列I=(i1,i2,⋯,iT)。即给定观测序列,求最有可能的对应的状态序列。
- 近似算法
近似算法的想法是,在每个时刻t选择在该时刻最有可能出现的状态it∗,从而得到一个状态序列I∗(i1∗,i2∗,⋯,iT∗),将它作为预测的结果。
给定隐马尔可夫模型λ和观测序列O,在时刻t处于状态qi的概率γt(i)是
γt(i)=∑j=1Nαt(j)βt(j)αt(i)βt(i)
在每一个时刻t最有可能的状态it∗是
it∗=arg1≤i≤Nmax[γt(i)], t=1,2,⋯,T(26)
从而得到状态序列I∗(i1∗,i2∗,⋯,iT∗)。
近似算法的优点就是计算简单,其缺点是不能保证预测的状态序列整体是最有可能的状态序列,因为预测的状态序列可能有实际不发生的部分。事实上,上述方法得到的状态序列中有可能存在转移概率为0的相邻状态,即对于某些i,j,aij=0。尽管如此,近似算法仍然是有用的。
- 维特比算法
维特比算法实际是用动态规划解隐马尔可夫模型预测问题,即用动态规划求概率最大路径(最优路径)。这时一条路径对应着一个状态序列。
4、模型应用
5、模型的偏执问题
以词性标注的例子来描述偏执问题。词性标注是指给一段文字,标注出这段文字所对应的词性序列。
例如:
原文:延安供水工程建成通水。
正确标注结果:延安\ns 供水\vn 工程\n 建成\v 通水\v。
延安 ---------地名
供水 ---------名动词
工程 ---------名词
建成 ---------动词
通水 ---------动词
预测过程中,需要尝试各种词性组合,最终通过HMM模型预测出概率最大的词性序列。因为有一些词性出现的频次非常低(比如rg 代词素),所以导致任何词性转移到rg的概率很低,但是有可能它的发射概率相对很高,最终导致预测的词性序列均为rg。注意:词性序列上每个词的词性由转移概率和发射概率共同决定。
实际中可能的预测情况:
(以下数据不具真实性,单纯用来举例)
词语 |
延安 |
供水 |
工程 |
建成 |
通水 |
正确的词性 |
\ns |
\vn |
\n |
\v |
\v |
转移概率 |
5% |
1.2% |
1.5% |
1.3% |
1.1% |
发射概率 |
2% |
1% |
2.3% |
1.5% |
1.6% |
词语 |
延安 |
供水 |
工程 |
建成 |
通水 |
正确的词性 |
\rg |
\rg |
\rg |
\rg |
\rg |
转移概率 |
0.01% |
0.1% |
0.1% |
0.1% |
0.1% |
发射概率 |
10% |
10% |
10% |
10% |
10% |
对比以上两个表格不难发现,虽然rg的词性序列转移概率很小,但是发射概率相对较高,最终导致预测的结果为rg序列。这就是HMM模型处理过程中,如果选用的平滑处理方法不当,可能会出现的偏执问题。
6、预测结果数据分析
(1)为什么初始阶段随着训练样本的增加,模型的预测效率会越来越好?
答:第一、当样本规模较小,所训练出来的模型在进行预测时,未知错误所占的比重较大,因此导致准确率低。随着训练样本的增加,未知错误所占的比重降低,所以准确率提高。即所谓的“见多识广”。第二、因为样本有限,所以训练得到的模型对一些词性的预测很大概率是错误的,随着样本增加会逐渐纠正这些错误的概率。
(2)为什么后面阶段,随着训练样本的增加,预测效果趋于平缓?
答:因为很多词是存在多种词性即存在歧义,而如何判断这个词当前应该是什么词性就需要结合语境等因素,这就对模型提出很高的要求。二元HMM模型仅仅考虑前后词性之间的关系,这还不足以涵盖所有情况,因此无法解决所有歧义问题,所以最终模型会趋于平缓。
(3)为什么有些类型的预测错误,大语料的时候反而占比大于小语料的时候?
答:因为随着样本的增加,整体的错误率降低,但是有些类型的预测错误可能没有降低,所以在大语料时这种类型的预测错误占比反而提升。