- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我尝试用谷歌搜索,但发现几乎没有什么我能理解的。
我明白了Markov chains到一个非常基本的水平:这是一个数学模型,仅依赖于先前的输入来改变状态..所以某种有限状态机具有加权随机机会而不是不同的标准?
我听说你可以使用它们来生成半智能的废话,给定现有单词的句子用作各种字典。
我想不出搜索词来找到这个,所以有人可以链接我或解释我如何生成给出半智能答案的东西吗? (如果你问它关于馅饼的事,它不会开始谈论它听说过的越南 war )
我的计划是:
最佳答案
是的,马尔可夫链是具有概率状态转换的有限状态机。要使用简单的一阶马尔可夫链生成随机文本:
如果你想从中得到一些半智能的东西,那么你最好的办法就是在大量仔细收集的文本上训练它。 “lots”部分使其以高概率生成正确的句子(或看似合理的 IRC 语言); “精心收集”部分意味着您可以控制它所谈论的内容。引入高阶马尔可夫链在这两个领域也有帮助,但需要更多的存储空间来存储必要的统计数据。您还可以研究统计平滑等内容。
然而,让你的 IRC 机器人真正响应所说的内容比马尔可夫链需要很多。可以通过 text categorization 来完成(又名主题识别),然后选择特定领域的马尔可夫链来生成文本。朴素贝叶斯是一种流行的主题发现模型。
Kernighan 和 Pike 在 The Practice of Programming探索马尔可夫链算法的各种实现策略。 Jurafsky 和 Martin 深入探讨了这些内容以及一般的自然语言生成,Speech and Language Processing .
关于artificial-intelligence - 使用马尔可夫链(或类似的东西)来生成 IRC 机器人,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5502688/
我在学习道路上遇到了一项任务。 对于均值 μ=np 和方差 σ**2=np(1−p) 的二项式分布 X∼Bp,n,我们希望上限概率 P (X≥c⋅μ) 对于 c≥1。三界介绍: Formulas 任务
给定以下马尔可夫矩阵: import numpy, scipy.linalg A = numpy.array([[0.9, 0.1],[0.15, 0.85]]) 平稳概率存在且等于[.6, .4]。
我是一名优秀的程序员,十分优秀!