参考网上大神给的代码，自己调通了，使用隐马尔可夫模型进行中文分词

OpenCV基于隐马尔可夫模型（HMM）的人脸识别

OpenCV基于隐马尔可夫模型（HMM）的人脸识别

目前可以使用的最好的hmm软件，用于模式识别

penCV基于隐马尔可夫模型（HMM）的人脸识别。

基于最大熵的隐马尔可夫模型文本信息抽取 定理证明 应用 以及代码

结合隐马尔可夫模型(HMM)所需训练样本少及可解释的优点,提出了基于HMM的矿井提升机故障诊断方法。利用多个加速度传感器在提升机运行的不同转速阶段采集数据,通过快速傅里叶变换(FFT)从提升机振动信号中进行特征抽取后,再由劳埃德算法(Lloyd)进行标量量化,根据HMM建模理论,训练HMM诊断库,再利用训练好的HMM对提升机进行状态监测和故障诊断。

通过对语音识别技术的发展梳理, 简单介绍了语音识别的历史和应用现状, 并将传统语音识别的技术和当前的研究进展进行描述. 传统语音识别采用基于统计的方法, 采用声谱特征, 在GMM-HMM混合结构上进行训练和匹配. 当前的语音识别模型主要基于深度学习的方法, 采用CNN、RNN都可以有效的进行特征提取从而建立声学模型. 进一步的研究采用了端到端的技术, 避免了多个模型间的误差传导. 端到端技术主要有CTC技术和attention技术, 最新的模型和方法着重研究了attention技术, 并在尝试进行与CTC的融合以达到更好的效果. 最后结合作者自身的理解, 概括了语音识别当前所面临问题和未来发展方向.

隐马尔可夫模型词性标注器 概述 一种用于英语，印地语和中文的隐马尔可夫模型词性标记器。 训练数据被标记和标记； 测试数据也会被标记化，标记器会将标记添加到测试数据中。 对看不见的单词加一个平滑处理。 培训和发展数据： 两个文件（一个英文，一个中文），带有单词/标签格式的带标签的训练数据，单词之间用空格分隔，每个句子换行。 两个文件（一个英文，一个中文），带有未标记的开发数据，单词之间用空格分隔，每个句子换行。 两个文件（一个英语，一个中文），带有单词/标签格式的带标签的开发数据，单词之间用空格分隔，每个句子用换行符表示，作为答案键。 程式 由两个程序组成：hmmlearn.py从训练数据中学习隐藏的马尔可夫模型，hmmdecode.py使用该模型标记新数据。 通过以下方式调用学习程序： python hmmlearn.py / path / to / input 参数是一个包含训练

本项目采用java实现了一个基于隐马尔可夫模型的中文句子词性标注系统，并附有详细的说明文档，对于想了解HMM和词性标注的人都会有很大帮助。