Jiebe学習ノート:viterbiアルゴリズム

語句表記:
Jiebaの品詞表記モジュールは依然としてHMMモデルに基づくviterbiアルゴリズムを採用し,状態の記述に({BMES},品詞)二元対を適用している.状態集合は{BMSE}の4つの語位と語性(39類)のデカルト積,すなわち156種の状態である.
テキストの開始位置から逐字スキャンを開始し,各ワードの可能な状態を判断し,状態遷移から得られる期待状態,すなわち次ワードの可能な状態を求める.との結果が空セットの場合は期待状態が次の文字の状態、期待状態セットの場合は空、全体の状態セットがその状態となる.
    

def viterbi(obs, states, start_p, trans_p, emit_p):#obs:     ，states，        ，start_p:    ，
    V = [{}]  # tabular
    mem_path = [{}]
    all_states = trans_p.keys()
    for y in states.get(obs[0], all_states):  # init
    #get  turple，           
        V[0][y] = start_p[y] + emit_p[y].get(obs[0], MIN_FLOAT)
        mem_path[0][y] = ''
    for t in xrange(1, len(obs)):
        V.append({})
        mem_path.append({})
        #prev_states = get_top_states(V[t-1])
        prev_states = [
            x for x in mem_path[t - 1].keys() if len(trans_p[x]) > 0]
        #          ，x     
        prev_states_expect_next = set(
            (y for x in prev_states for y in trans_p[x].keys()))
        #y:        
        obs_states = set(
            states.get(obs[t], all_states)) & prev_states_expect_next
        #              
        if not obs_states:
            obs_states = prev_states_expect_next if prev_states_expect_next else all_states

        for y in obs_states:
            prob, state = max((V[t - 1][y0] + trans_p[y0].get(y, MIN_INF) +
                               emit_p[y].get(obs[t], MIN_FLOAT), y0) for y0 in prev_states)
            V[t][y] = prob
            mem_path[t][y] = state

    last = [(V[-1][y], y) for y in mem_path[-1].keys()]
    # if len(last)==0:
    #     print obs
    prob, state = max(last)

    route = [None] * len(obs)
    i = len(obs) - 1
    while i >= 0:
        route[i] = state
        state = mem_path[i][state]
        i -= 1
    return (prob, route)