我刚刚看了一个视频，他们使用维特比算法来确定句子中的某些单词是否旨在成为名词/动词/adjs等，他们使用了过渡和发射概率，例如单词"Time"用作动词的概率是已知的（发射）和名词导致动词的概率（过渡）。
http://www.youtube.com/watch?v=O_q82UMtjoM&feature=relmfu（视频）
如何找到此用例的跃迁和发射概率的良好数据集？
或者即使只是一个显示所有概率的示例，我也想在演示中使用现实数字。
通常，隐马尔可夫模型（HMM）的实现不仅可以执行维特比算法进行标记，还可以执行用于训练模型的算法（例如鲍姆-韦尔奇算法）。然后，获得模型（即转换和发射概率的集合）的方法是在合适的训练语料库（例如PennTreebank）上运行训练算法。
我不知道有任何免费提供的、现成的基于 HMM 的 POS 标记器实现，它带有一个可以轻松检查的预训练模型。但是，在许多方面类似于HMM的方法是条件随机场（CRF）。在日本东北大学创建的CRFTagger似乎带有一个预先训练的英语模型（请参阅下载和解压缩后model/model.txt的文件）。该文件是人类可读的，但要了解格式的详细信息，您可能需要联系作者。