基于HMM的拼音转汉字
这里的拼音一般不带声调。
将汉字作为隐藏状态，拼音作为观测值，使用viterbi算法可以将多个拼音转换成合理的汉字。
例如给出ti,chu,le,jie,jue,fang,an，viterbi算法会认为提出了解决方案是最合理的状态序列。
HMM 需要三个分布，分别是：
-
初始时各个状态的概率分布
-
各个状态互相转换的概率分布
-
状态到观测值的概率分布
这个3个分布就是三个矩阵，根据一些文本库统计出来即可。
viterbi算法基于动态规划，维基百科 - Viterbi algorithm给出了很好的解释和示例。
基于词库的拼音转汉字
基于词库的拼音转汉字
原则：
词的权重大于字的权重；
转换中匹配的词越多，权重越小。
词库的格式是：
拼音:单词:权重
例如：
ni:你:0.15
ni:泥:0.12
a:啊:0.18
hao:好:0.14
nihao:你好:0.6
假如输入是ni,hao,a，我们计算一下各种组合的权重：
| 组合 权重 | |
|---|---|
| 你,好,啊 | 0.15×0.14×0.18 = 0.00378 |
| 泥,好,啊 | 0.12×0.14×0.18 = 0.003024 |
| 你好,啊 | 0.6×0.18 = 0.108 |
可以看出，你好,啊是最好的结果。
实际实现中需要用到动态规划， 和求有向无环图中两点之间最短距离类似。
参考资料
相关资料
https://github.com/aui/pinyin-engine
https://github.com/letiantian/Pinyin2Hanzi
https://github.com/adrianulbona/hmm
