首先看一下來自Wolfram的定義

    馬爾可夫鏈是隨機變量{X_t}的集合（t貫穿0,1,...），給定當前的狀態(tài)，未來與過去條件獨立。

Wikipedia的定義更清楚一點兒

    ...馬爾可夫鏈是具有馬爾可夫性質的隨機過程...[這意味著]狀態(tài)改變是概率性的，未來的狀態(tài)僅僅依賴當前的狀態(tài)。

馬爾可夫鏈具有多種用途，現在讓我看一下如何用它生產看起來像模像樣的胡言亂語。

算法如下,

    找一個作為語料庫的文本，語料庫用于選擇接下來的轉換。     從文本中兩個連續(xù)的單詞開始，最后的兩個單詞構成當前狀態(tài)。     生成下一個單詞的過程就是馬爾可夫轉換。為了生成下一個單詞，首先查看語料庫，查找這兩個單詞之后跟著的單詞。從它們中隨機選擇一個。     重復2，直到生成的文本達到需要的大小。

代碼如下
 

import random class Markov(object):   def __init__(self, open_file):  self.cache = {}  self.open_file = open_file  self.words = self.file_to_words()  self.word_size = len(self.words)  self.database()      def file_to_words(self):  self.open_file.seek(0)  data = self.open_file.read()  words = data.split()  return words      def triples(self):  """ Generates triples from the given data string. So if our string were    "What a lovely day", we'd generate (What, a, lovely) and then    (a, lovely, day).  """     if len(self.words) < 3:   return     for i in range(len(self.words) - 2):   yield (self.words[i], self.words[i+1], self.words[i+2])     def database(self):  for w1, w2, w3 in self.triples():   key = (w1, w2)   if key in self.cache:    self.cache[key].append(w3)   else:    self.cache[key] = [w3]      def generate_markov_text(self, size=25):  seed = random.randint(0, self.word_size-3)  seed_word, next_word = self.words[seed], self.words[seed+1]  w1, w2 = seed_word, next_word  gen_words = []  for i in xrange(size):   gen_words.append(w1)   w1, w2 = w2, random.choice(self.cache[(w1, w2)])  gen_words.append(w2)  return ' '.join(gen_words)

為了看到一個示例結果，我們從古騰堡計劃中拿了沃德豪斯的《My man jeeves》作為文本，示例結果如下。
 

In [1]: file_ = open('/home/shabda/jeeves.txt') In [2]: import markovgen In [3]: markov = markovgen.Markov(file_) In [4]: markov.generate_markov_text()Out[4]: 'Can you put a few years of your twin-brother Alfred,who was apt to rally round a bit. I should strongly advocatethe blue with milk'

[如果想執(zhí)行這個例子，請下載jeeves.txt和markovgen.py
馬爾可夫算法怎樣呢？