Les modèles de Markov cachés paquet dans la R

J'ai besoin d'aide mise en œuvre d'un HMM module dans R. je suis nouveau sur R et n'ont pas beaucoup de connaissances sur les.
J'ai donc de mettre en œuvre un IE à l'aide de HMM, j'ai 2 dossiers avec des fichiers, l'un avec les phrases et les autres avec les balises je veux apprendre la forme de chaque phrase.

folder1 > event1.txt: "2013 2nd International Conference on Information and Knowledge Management (ICIKM 2013) will be held in Chengdu, China during July 20-21, 2013."

folder2 > event1.txt: 
"N: 2nd International Conference on Information and Knowledge Management (ICIKM 2013)
D: July 20-21, 2013
L: Chengdu, China"

N -> Name; D -> Date; L -> Location

Ma question est de savoir comment la mettre en œuvre sur R, comment initialiser le modèle et comment dois-je faire pour le train? Et puis, comment puis-je l'appliquer à une phrase aléatoire pour extraire l'information?

Merci d'avance pour toute l'aide!

OriginalL'auteur Tiago Oliveira | 2013-07-17

  1. 10

    Si vous exécutez la commande suivante:

    RSiteSearch('hidden markov model')

    Il trouve ensuite 4 Vues de Tâche, 40 Vignettes, et 255 fonctions (quand je l'ai couru, il pourrait y avoir plus le temps de l'exécuter).

    Je suggère de regarder à travers ces résultats (probablement commencer avec les points de vue et des vignettes) pour voir s'il ya quelque chose qui fonctionne pour vous. Si non, alors dites-nous ce que vous avez essayé et ce que vous avez besoin qui n'est pas fourni.

    Ne savait pas qui commande, comme je l'ai dit je suis novice sur R donc il y a beaucoup de commandes que je ne sais pas. Je vais jeter un oeil à l'aide de l'une u dit. Merci! Si ça ne résout pas mon problème, je demande encore une fois.
    Ok, je ne suis pas capable d'être en mesure de comprendre comment HMM bibliothèque des oeuvres. Pouvez-vous juste vous montrer un petit exemple de comment l'appliquer à une phrase? Je sais comment lire toutes les phrases dans les différents fichiers pour former un corpus, mais alors, comment j'ai besoin de les traiter (à cause des tags que j'ai sur la deuxième fichiers)? Et comment j'utilise ces données pour former le modèle? Tout ce que je vois est d'utiliser "X, Y" et "a, b, c". J'aimerais voir quelque chose de plus concret. Merci à l'avance!

    OriginalL'auteur Greg Snow

  2. 8

    Je ne suis pas sûr exactement ce que vous voulez faire, mais vous pourriez trouver cet excellent tutoriel sur les modèles de Markov cachés à l'aide de R utile. Vous construisez les fonctions et les modèles de Markov à partir de zéro à partir de régulier des modèles de Markov et puis de passer à des modèles de Markov cachés. C'est vraiment utile pour comprendre comment ils fonctionnent.

    Il y a aussi le package R depmixS4 pour la spécification et le montage des modèles de Markov cachés. La documentation est assez solide et passe à travers l'exemple de code qui pourrait vous aider.

    Salut. Merci pour le tutoriel, je vais jeter un oeil. Maintenant, je vais essayer d'expliquer un peu mieux ce que je veux. J'ai quelques phrases déjà étiqueté comme je l'ai dit sur mon premier post. Avec eux, je veux former un HMM pour extraire ces 3 entités. Après j'ai le HMM formés je veux l'utiliser sur de nouvelles phrases (à propos des événements bien sûr) pour extraire le nom, l'emplacement et la date de l'événement. Je suis correct quand je parle de l'aide de HMM droit?

    OriginalL'auteur Brian Fabian Crain

  3. 2

    depmixS4 est la plus générale et raisonnablement bon paquet, si vous l'obtenez sur vos données. Vérifié sur des données factices pour moi, mais a donné d'erreur sur des données réelles. HMM fonctionne aussi mais seulement si vous avez les variables discrètes et pas en continu.

    OriginalL'auteur mlworker

  4. 0

    DepmixS4 est ce que vous cherchez.

    Tout d'abord, vous devez identifier le meilleur nombre d'états cachés pour votre modèle. Cela peut être fait en prenant modèle avec le moins de la valeur de l'AIC pour les différents états cachés.

    J'ai créé une fonction HMM_model_execution qui sera de retour la variable de modèle et le nombre d'états du modèle.

      library(depmixS4)

    • première colonne doit être visible de l'état et le reste variable externe dans doc_data

      HMM_model_execution<-function( doc_data, k)

    • k nombre de total de l'état caché à comparer

      {
     aic_values <- vector(mode="numeric", length=k-1) # to store AIC values

     for( i in 2:k)
     {
           print(paste("loop counter",i))
           mod <- depmix(response = doc_data$numpresc ~ 1, data = doc_data, nstates = i)
           fm <- fit(mod, verbose = FALSE)
           aic_values[i-1]<- AIC(fm)
           #print(paste("Aic value at this index",aic_values[i-1]))
           #writeLines("\n")
     }

     min_index<-which.min(aic_values)

    • pas d'états cachés pour le meilleur modèle 

      #print(paste("index of minimum AIC",min_index))
mod <- depmix(response = doc_data$numpresc ~ 1, data = doc_data, nstates = (min_index+1))
fm <- fit(mod, verbose = FALSE)

    • meilleur modèle d'exécution 

      print(paste("best model with number of hidden states", min_index+1))
return(c(fm, min_index+1))
writeLines("\n")
writeLines("\n")

    Variables externes( co-variates peut être passé dans la fonction depmix ). résumé (fm) vous donnera tous les paramètres du modèle.

    Le Code réel pour tous les paramètres du modèle calulation. Viterbi Algo, EM peut être trouvé à l'adresse [lien] github.com/koooee/depmixS4

    OriginalL'auteur Arpit Sisodia