隐马尔可夫模型（Hidden Markov Model，HMM）是统计模型，用来描述一个含有隐含未知参数的马尔可夫过程。它也是一种关于时序的概率模型。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来进一步分析，例如词性标注、语音识别、句子切分、字素音位转换、局部句法剖析、语块分析、命名实体识别、信息抽取和异常行为检测。
举例说明隐马尔可夫的用途
答案：
举个例子，你的一个朋友所在公司实行轮休制度，每周休息一天，但是并不固定在周几。你特别关心该朋友，想知道她这周是否有轮休。根据以往的观察，没有轮休时，她一般不发朋友圈，也有可能晚上发朋友圈，而轮休时她通常在早上就会发朋友圈。那么你就可以根据他发的这些信息推断朋友本周是否轮休了。在这个例子里，显状态是发朋友圈的时间段，隐状态是是否轮休。
任何一个HMM都可以通过下列五元组（ S 、 O 、 π 、 A 、 B ）来描述：隐状态值集合、观测序列、隐状态出现的初始概率、隐状态的转移概率、发射概率（隐状态对应为显状态的概率）。
