利用 隐马尔科夫模型（HMM） 的解码能力，能从一个观察序列（字符串序列）解码成另一个隐藏状态序列（分词符号序列）。
解释
将训练数据按照 BMES 标记集合转换成隐藏状态序列。一般情况下使用 BMES 标记体系作为隐藏序列的体系。
BMES 标记体系
BMES 分别是 Begin / Middle / End / Single 的缩写，分别代表着所标记的字符是一个词语的 开始字符 / 中间字符 / 结尾字符 / 单个字符（也就是说这个词只由一个字符构成）。
举例来说：
我这个词对应的 BMES 标记为S我们这个词对应的 BMES 标记为BE老爷爷这个词对应的 BMES 标记为BME风调雨顺这个词对应的 BMES 标记为BMME
得到训练数据后，可以统计出 HMM 的两个参数表。得到的 HMM 参数后可以利用 Viterbi 算法解码出隐藏状态序列，再按照隐藏状态序列反向将字符串分割成词语
示例
以 我们在野生动物园玩 为例, 假设 HMM 解码得到的隐藏状态序列为 BESBMMMES
则会被分成 我们(BE) / 在(S) / 野生动园(BMMME) / 玩(S)
优化方案
为了增加处理 OOV 的能力，对于没有出现在训练数据集的字符，每个隐藏状态都有一个非常小的 Emission Probability, 这样可以增加模型的鲁棒性。
关联算法
CRF 的基本想法与此算法类似，但性能更加强劲。