レイマンの用語でマルコフチェーンアルゴリズムを説明してください

Question

私はこのマルコフをよく理解していません...それはプレフィックスと接尾辞がそれらのリストを保存し、ランダムな単語を作成する2つの単語を取りますか？

    /* Copyright (C) 1999 Lucent Technologies */
/* Excerpted from 'The Practice of Programming' */
/* by Brian W. Kernighan and Rob Pike */

#include <time.h>
#include <iostream>
#include <string>
#include <deque>
#include <map>
#include <vector>

using namespace std;

const int  NPREF = 2;
const char NONWORD[] = "\n";    // cannot appear as real line: we remove newlines
const int  MAXGEN = 10000; // maximum words generated

typedef deque<string> Prefix;

map<Prefix, vector<string> > statetab; // prefix -> suffixes

void        build(Prefix&, istream&);
void        generate(int nwords);
void        add(Prefix&, const string&);

// markov main: markov-chain random text generation
int main(void)
{
    int nwords = MAXGEN;
    Prefix prefix;  // current input prefix

    srand(time(NULL));
    for (int i = 0; i < NPREF; i++)
        add(prefix, NONWORD);
    build(prefix, cin);
    add(prefix, NONWORD);
    generate(nwords);
    return 0;
}

// build: read input words, build state table
void build(Prefix& prefix, istream& in)
{
    string buf;

    while (in >> buf)
        add(prefix, buf);
}

// add: add word to suffix deque, update prefix
void add(Prefix& prefix, const string& s)
{
    if (prefix.size() == NPREF) {
        statetab[prefix].push_back(s);
        prefix.pop_front();
    }
    prefix.push_back(s);
}

// generate: produce output, one word per line
void generate(int nwords)
{
    Prefix prefix;
    int i;

    for (i = 0; i < NPREF; i++)
        add(prefix, NONWORD);
    for (i = 0; i < nwords; i++) {
        vector<string>& suf = statetab[prefix];
        const string& w = suf[rand() % suf.size()];
        if (w == NONWORD)
            break;
        cout << w << "\n";
        prefix.pop_front(); // advance
        prefix.push_back(w);
    }
}

Answer 1

ウィキペディアによると、マルコフ連鎖は、次の状態が前の状態に依存しているランダムなプロセスです。これは少し理解するのが難しいので、私はそれをよりよく説明しようとします：

あなたが見ているものは、テキストベースのマルコフチェーンを生成するプログラムのようです。基本的にそのためのアルゴリズムは次のとおりです。

1. テキストの本体をトークン（言葉、句読点）に分割します。
2. 周波数テーブルを作成します。これは、テキストの本体のすべての単語に対して、エントリ（キー）があるデータ構造です。このキーは、基本的にこの単語（キー）に従うすべての単語のリストとその頻度のリストである別のデータ構造にマッピングされます。
3. マルコフチェーンを生成します。これを行うには、開始点（周波数テーブルのキー）を選択し、次に別の状態をランダムに選択して（次の単語）に移動します。次に選択する単語は、その頻度に依存しています（したがって、一部の単語は他の単語よりも可能性があります）。その後、この新しい単語をキーとして使用して最初から使用します。

たとえば、このソリューションの最初の文を見ると、次の周波数表を思いつくことができます。

According: to(100%)
to:        Wikipedia(100%)
Wikipedia: ,(100%)
a:         Markov(50%), random(50%)
Markov:    Chain(100%)
Chain:     is(100%)
is:        a(33%), dependent(33%), ...(33%)
random:    process(100%)
process:   with(100%)
.
.
.
better:    :(100%)

基本的に、ある状態から別の状態への状態の移行は確率に基づいています。テキストベースのマルコフ連鎖の場合、遷移確率は、選択された単語に従う単語の頻度に基づいています。したがって、選択した単語は以前の状態を表し、周波数表または単語は（可能な）連続した状態を表します。前の状態を知っている場合（これが正しい周波数テーブルを取得する唯一の方法）、これは、連続した状態が前の状態に依存している定義に適合します。

恥知らずなプラグ - 私はしばらく前にこれをPerlで行うプログラムを書きました。あなたはそれについて読むことができます ここ.

Answer 2

マルコフチェーンは、状態遷移が確率である状態マシンです。

単語：鶏肉;可能な次の単語：10％ - IS; 30％ - 50％ - 脚; 10％ - 実行;

次に、次の単語をランダムに選択するか、ルーレットホイールの選択によって選択します。いくつかの入力テキストからこれらの確率を取得します。