Grafické modely v Dempster-Shaferově teorii evidence

Efektivní algoritmy určené pro automatickou klasifikaci (kategorizaci či shlukování) textových dokumentů se musí umět vyrovnat se skutečností, že popis textových dokumentů je prováděn pomocí velikého množství parametrů (například klíčových slov). Mají-li se vytvářet pravděpodobnostní modely jejich vztahů, je třeba pracovat s pravděpodobnostními distribucemi velkých dimensí. Abychom mohli vhodně pracovat i se znalostmi vágními, či abychom uměli vhodně popisovat naši neznalost (tedy s typem nejistoty, který je jen těžkopádně modelován v teorii pravděpodobnosti), začali jsme studovat možnost použití Depmsetr-Shaferovy teorie evidence.

S cílem podpořit konstrukci modelů velkých dimensí, zaměřili jsme se na možnost zavedení grafických markovských modelů i v Depmsetr-Shaferově teorii. Tímto pojmem máme na mysli několik typů modelů, které byly původně navrženy v rámci teorie pravděpodobnosti: grafické modely (ve smyslu, jak byly definovány v původních pracech Darocha, Lauritzena, Speeda, Edwardse a Havránka), bayesovské sítě a rozložitelné modely, pro které byly navrženy nejefektivnější výpočetní procedury. V sérii konferenčních příspěvků jsme postupně ukázali, že všechny tři uvedené typy grafických modelů lze zavést i v Demsper-Shaferově teorii evidence.

Inovační aspekty

Grafické markovské modely umožňují zadávat vysocedimensionální modely pomocí "rozumného" počtu parametrů. Jejich zavedení v Dempster-Shaferově teorii evidence tak otvírá dvěře této teorie k řešení praktických problémů.

Přínosy

V tento okamžik je možné za uživatele považovat programátora vývojáře, který bude navrhovat systém pro práci s "domněnkovými sítěmi", tj. s bayesovskými sítěmi, ve kterých roli pravděpodobností zaujímají domněnkové funkce.

Dokumentace

Design downloaded from Free Templates - your source for free web templates