在语言学课程中，我们使用隐马尔可夫模型实现了词性 (POS) 标注，其中隐藏变量是词性。我们使用一些标注数据训练了系统，然后对其进行了测试，并将结果与黄金数据进行了比较。

是否有可能在没有标注训练集的情况下训练 HMM？

回答：

理论上你可以做到。 在这种情况下，你将使用 Baum-Welch 算法。《Rabiner 的 HMM 教程》对此有非常好的描述。

但是，如果将 HMM 应用于词性标注，使用标准形式获得的误差将不会令人满意。 它是一种期望最大化方法，仅收敛到局部最大值。 如果我没记错的话，基于规则的方法远胜过 HMM。

我相信 Python 的自然语言工具包 NLTK 具有专门用于此目的的 HMM 实现。