序列标注任务使用隐马尔可夫模型的代码

序列标注任务中，隐马尔可夫模型（HMM，Hidden Markov Model）常用于自然语言处理领域，如词性标注、命名实体识别等，它假设观察序列是由隐藏状态生成的。以下是使用Python中的`hmmlearn`库实现一个简单的HMM进行序列标注的基本步骤：

from hmmlearn import hmm

# 定义标签集和特征集（例如词性标签和字符序列）
labels = ['B-NN', 'I-NN', 'O']  # 假设我们有三个词性标签
features = ['char1', 'char2', 'prev_label']  # 字符特征和前一词性标签

# 创建HMM模型
model = hmm.GaussianHMM(n_components=len(labels), n_features=len(features))

# 训练模型（假设`observed_sequences`是一个二维列表，包含观测到的特征序列）
model.fit(observed_sequences, sequence_lengths)

# 预测新的序列
predicted_labels = model.predict(test_sequences)

# 打印预测结果
for obs_seq, pred in zip(test_sequences, predicted_labels):
    print("Observed: ", obs_seq)
    print("Predicted: ", [labels[p] for p in pred])