馬爾可夫模型是一類基於馬爾可夫性質的統計模型，其核心特點是假設一個給定過程的未來狀態僅取決於當前狀態。這種模型廣泛用於各種領域，包括但不限於語音識別、詞性自動標註、音字轉換、機率文法等自然語言處理套用，以及算術編碼、地理統計學、企業產品市場預測、人口過程、生物信息學等。
馬爾可夫模型包括多種具體模型，如馬爾可夫鏈、隱馬爾可夫模型（HMM）、馬爾科夫決策過程（MDP）和部分可觀測馬爾科夫決策過程（POMDP），以及馬爾可夫隨機場（MRF）和馬爾科夫鏈蒙特卡洛（MCMC）等。其中，隱馬爾可夫模型（HMM）在語音識別領域取得了顯著成功，能夠簡潔地表述和解決複雜的語音識別問題。
馬爾可夫模型的數學基礎是馬爾可夫性質，即一個隨機過程在給定當前狀態時，其未來狀態的條件機率分布僅依賴於當前狀態，而不依賴於任何更早的狀態。這種性質使得馬爾可夫模型能夠有效地處理具有「無記憶性」的問題。