Objetivo

Comprender y determinar cómo funciona la técnica del modelo oculto de Márkov para la creación de etiquetas POS.

Descripción

Aprenderás a usar uno de los modelos más utilizados para la creación de etiquetas POS, el modelo oculto de Márkov.

Haz clic para revisar la explicación.

Modelo oculto de Márkov

Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.

Revisa el siguiente video:

Para conocer más sobre modelo oculto de Márkov, te recomendamos revisar el siguiente video:

PyData. (2019, 19 de diciembre).Tutorial: Hidden Markov Models for Chord Recognition - Intuition and Applications [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=t0mNFAFdz_Q

Objetivo

Entender el funcionamiento de la librería NLTK para los modelos ocultos de Márkov.

Instrucciones

El trabajo práctico que se realizará utiliza programación en Python 3 y la librería NLTK para modelos de Márkov.

1. Deberás importar las librerías y módulos que se muestran en la Figura 1.

2. Utiliza la instrucción help(nltk.tag.hmm.HiddenMarkovModelTagger) para conocer el funcionamiento de la clase HiddenMarkovModelTagger.
3. Entrena y evalúa un etiquetador HMM con datos de entrenamiento y prueba respectivamente. Utiliza el esqueleto de la función propuesta en la figura 2.

La función implementa tres tareas utilizando la categoría news del corpus Brown: entrena un etiquetador HMM con el conjunto de datos de entrenamiento, con el modelo entrenado etiqueta una oración y evalúa el modelo entrenado en el conjunto de pruebas.

Para evaluar el modelo puedes utilizar las instrucciones sugeridas en la figura 3. Prueba con distintas oraciones cambiando el índice por uno válido en la instrucción [tp[0] for tp in oraciones_etiq[76]].

Checklist

Asegúrate de:

• Aplicar el entrenamiento del modelo del etiquetador HMM.
• Evaluar el modelo del etiquetador HMM.
• Analizar los resultados de la predicción.