Chain Rule
前面讲过的Noisy Channel Model中提到了，P（text）是指的语言模型。那么，语言模型究竟有什么意义，又该怎么求呢？
语言模型其实就是考察text出现的概率。例如，在拼写纠错中，text使我们猜测的正确的单词，那么，这个单词是否常见呢？如果这个单词很常见，就说明他出现的概率很大，那么我们就越有理由相信，该单词就是我们要纠正到的正确单词。同样，在机器翻译中，我们将source翻译成text，如果text出现的概率越大，就说明text越符合目标语言的语法习惯，那么翻译就越准确。
综上所述，语言模型其实就是判断text出现的概率，从而在具体应用中发挥判定作用。
那么，该如何计算P(text)呢？假设我们有一句话“我喜欢喝奶茶”，经过分词之后，变成“我 喜欢 喝 奶茶”，那么，现在我们需要计算P（我喜欢喝奶茶），计算方法其实就是运用了链式法则。
链式法则如下所示，设A,B都是随机变量，那么有
$$ P(A,B)= P(A)P(B|A) $$
当随机变量有n个时，链式法则如下所示：
$$P(omega _{1},omega _{2},...,omega _{n}) = P(omega _{1})P(omega _{2} |omega _{1})P(omega _{3}|omega _{1},omega _{2})...P(omega _{n}|omega _{1},...,omega _{n-1})$$
所以，对于text为“我喜欢喝奶茶”这句话，可以用链式法则得到：
$$P(我喜欢喝奶茶) = P(我)P(喜欢|我)P(喝|我，喜欢)P(奶茶|我，喜欢，喝)$$
所以，对于一句话求其概率，就是先将他分词，然后利用链式法则求概率就好了
Markov Assumption
但是，不管是什么算法，最终都要实用哈。例如对于P(奶茶|我，喜欢，喝)这个概率，我们怎么求它呢？首先，我们肯定是有一个超大的语料库，里面有各种各样乱七八糟的句子。然后我们在里面寻找有“我喜欢喝”这个前缀的句子，假设我们找到了以下五句：
我喜欢喝奶茶
我喜欢喝可乐
我喜欢喝咖啡
我喜欢喝茶
我喜欢喝奶茶
那么，在五个句子当中，有两个句子是在“我喜欢喝”后面接的“奶茶”，所以P（奶茶|我，喜欢，喝）= 2/5.
可是，如果这个前缀超大呢？例如，如果一个前缀是“我喜欢喝无糖少冰加椰果珍珠红豆的”，然后要我求后面接“奶茶”的概率
可问题是，语料库中可能就压根不存在带有这个前缀的句子，或者有也是一两句，那么是很难准确求出它的概率的啊。而且，其实前缀涉及到的单词越多，训练模型需要的容量就越大，假设我们的词典中有三个单词a,b,c，如果只要求一个前缀的概率，也就是P(y|x)形式的概率，那么我们只需要一个3*3的矩阵就可以了。矩阵的行是“a,b,c”,矩阵的列是"a,b,c",矩阵的第a行第b列就是P(b|a)。但是如果允许前缀有两个单词，那么矩阵的行就有六个了“a,b,c,(a,b),(a,c),(b,c)”。这还只是假设词典库中只有三个单词，如果词典库中有成千上万的单词，那么需要的矩阵是非常大的。所以，我们应该尽量避免求前缀太大的概率。这就用到了马尔科夫假设了
马尔科夫假设的大概意思很简单，就是假定接下来出现的单词只和前面几个有关（可以是前面一个，也可是两个，。。。）。
例如，对于1st order Markov Asumption，我们就认为，接下来出现的单词只和前一个有关。
例如，虽然“奶茶”和“我，喜欢，喝”都可能有关，但是我们就认为“奶茶”只和“喝”有关，那么，就能够得到如下的公式：
$$P(我喜欢喝奶茶) = P(我)P(喜欢|我)P(喝|喜欢)P(奶茶|喝)$$
这样求右边的每个概率就很简单了。
写成一般表达式如下：这里ωi指代的是词典库的单词
$$P(omega _{1},omega _{2},...,omega _{n}) = P(omega _{1})P(omega _{2} |omega _{1})P(omega _{3}|omega _{2})...P(omega _{n}|omega _{n-1})$$
既然有1st order Markov Asumption,就会有2nd order Markov Asumption,后者假定，对于下一个出现的单词，只和前两个单词有关，写成公式如下：
$$P(omega _{1},omega _{2},...,omega _{n}) = P(omega _{1})P(omega _{2} |omega _{1})P(omega _{3}|omega _{1},omega _{2})...P(omega _{n}|omega _{n-2},omega _{n-1})$$
马尔科夫假设虽然丢掉了比较靠前的上文信息，但是使得模型能够实用，效果也是非常好的