deterministic - 用马尔可夫逻辑避免确定性

Question

我今天刚刚开始阅读更多关于马尔可夫链生成器的内容，并且对构建它的整个过程非常感兴趣。根据我的理解， future 状态取决于过去状态到现在的统计数据。
示例:

Hello World. Hello Dolly. Hello World.

"World" follows "Hello" ~66% of the time in that source.

如果总是这样，那么您如何避免每次输出相同的结果？统计出现不会随着静态字符串而改变，所以我假设不会生成任何变体是否正确，除非以某种方式修改源数据？
考虑到统计值，我怎么能从静态源中获得变化，同时又允许一些灵活性？使用上面的示例，当“Dolly”仅在 33% 的时间内跟随“Hello”时，我如何让我的生成器跟随“Hello”和“Dolly”？
我想我要问的是，我如何根据当前选择后单词的统计存在来确定下一个选择的概率？那样的话，“多莉”出现了 33% 的时间，而“世界”出现了 66% 的时间——或者我完全迷失在这里？

Answer 1

您使用随机数生成器来选择要走的路径。您必须保存每个状态(实际上是 N 个先前项目的历史)以及该状态的概率。然后你选择一个随机数并根据它决定你转换到的下一个状态是什么。

在您的示例中，您有一个 N 为 1 的马尔可夫链，您将拥有一个看起来像这样的链结构:

<start> -> Hello : 1.0

Hello -> World. : 0.66666
Hello -> Dolly. : 0.33333

Dolly. -> Hello : 1.0

World. -> <end> : 0.5
World. -> Hello : 0.5

如果您当前的状态是 Hello，那么您下一个可能的状态是 World。和多莉.. 生成一个介于 0 和 1 之间的随机数并选择 World。如果小于 0.666666，则选择 Dolly。

使用 N=2 马尔可夫链，您可以通过该输入获得几乎确定性的行为:

<start> <start> -> <start> Hello : 1.0

<start> Hello -> Hello World. : 1.0

Hello World. -> World. Hello : 0.5
Hello World. -> World. <end> : 0.5

World. Hello -> Hello Dolly. : 1.0

Hello Dolly. -> Dolly. Hello : 1.0

Dolly. Hello -> Hello World. : 1.0