Ich dachte, dass es in Qiita keinen bestimmten Artikel über grafische Modellierung gibt. Hier ist ein kurzer Überblick über die grafische Modellierung.
"Einführung in die grafische Modellierung, die ich nicht mehr hören kann" http://www.slideshare.net/Kawamoto_Kazuhiko/ss-35483453
In etwa ist es ein Modell für das Bayes'sche Denken.
(Zusätzlich…) Eine grafische Darstellung der bedingten Unabhängigkeit zwischen stochastischen Variablen. Bedingte Unabhängigkeit ist der Schlüssel zur Modellierung und zu effizienten Algorithmen. (Es besteht eine Verbindung, aber die Kombination explodiert nicht.)
Für die beobachtbare Beobachtungsvariable x Durch Definieren der nicht beobachtbaren latenten Variablen z Es ist möglich, Werte auszudrücken, die ursprünglich nicht beobachtet wurden.
Markov-Wahrscheinlichkeitsfeld: Grafisches Diagramm mit ungerichtetem Diagramm Basian Network: Grafische Modellierung mit gültigen Grafiken
-Ergänzung- Intuitiv ist das basianische Netzwerk leichter zu verstehen, ・ Markov-Wahrscheinlichkeitsfeld: Benachbarte Knoten sollten angegeben werden ・ Grundlegendes Netzwerk: Abhängigkeiten treten zwischen Kindern auf Daher ist es schwierig festzustellen, ob es sich um eine bedingte Unabhängigkeit handelt. Das stochastische Markov-Feld ist ein einfacheres Modell als das basianische Netzwerk.
Die latente Variable des Markov-Wahrscheinlichkeitsfeldes ist ・ Wenn es sich um eine diskrete Wahrscheinlichkeit handelt: Hidden-Markov-Modell ・ Für kontinuierliche Wahrscheinlichkeit: Kalman-Filter (Normalverteilung), Partikelfilter (außer Normalverteilung) ist.
Wenn der Graph eine Schleifenstruktur hat Eine ungefähre Lösung kann unter Verwendung der stochastischen Ausbreitungsmethode (Summenproduktalgorithmus) abgeleitet werden.
↓ Der Kommentarartikel ist leicht zu verstehen. "Implementieren von Markov Probability Field / Probability Propagation mit Python networkx" http://sinhrks.hatenablog.com/entry/2014/12/27/232506
Wie der Titel schon sagt, erfolgt die Implementierung mit dem networkx-Modul in Python Es basiert auf dem Thema Bildverarbeitung.
Die visuelle Modellierung kann mithilfe von Diagrammen erfolgen Es soll die Stärke der grafischen Modellierung sein, Ich bin der Meinung, dass Geschicklichkeit erforderlich ist, um unsere Stärken tatsächlich zu demonstrieren.
Da ich eine Beschreibung der grafischen Modellierung und der latenten Variablen geschrieben habe, Wie grafische Modellierung jetzt in der Werbebranche eingesetzt wird Ein Beispiel für die Verwendung im aktuellen Trend nativer Anzeigen: Ich möchte basierend auf dem Artikel und dem Papier (Yahoo!) schreiben.
Zukunftsprognose für Content Marketing -Das Abenteuer, latentes Interesse zu verfolgen, geht weiter- http://marketing.itmedia.co.jp/mm/articles/1410/02/news001.html
Papier- Artikeltitel: Suchen Sie mithilfe eines Themenmodells nach inhaltsgebundenen Anzeigen Autor: Koji Yamamoto Masaki Noguchi Shingo Ono Koji Tsukamoto (Yahoo Japan Corporation) http://www.anlp.jp/proceedings/annual_meeting/2014/pdf_dir/P2-14.pdf
Das Themenmodell ermöglichte es, Sätze schnell und einfach zusammenzufassen. Lesen potenzieller Interessen aus der Liste der im Thema enthaltenen Feature-Wörter Menschliche analoge Arbeiten wie Vorkenntnisse und Vorstellungskraft werden auftreten, daher sind Verbesserungen erforderlich.
Verwendet das Wort vec2 (modernste von Google entwickelte und veröffentlichte Technologie zur Verarbeitung natürlicher Sprache).
Fusion mit nativer Werbeplattform
Es wird notwendig sein, ein dynamisches Lernmodell zu verwenden.
Aufgrund der Omni-Channelisierung von Einkaufsinformationen und der Entwicklung der Verhaltensvorhersage durch maschinelles Lernen Hochgenaue Targeting-Werbung ist möglich.
Kriterien für die Anzeigenauswahl ・ Wörter im Inhalt ・ Ähnlichkeit der Wörter in der Werbung Es gibt.
Auch wenn es eine für den Inhalt geeignete Werbung gibt Wenn die im Inhalt und in der Werbung verwendeten Wörter unterschiedlich sind Die Anzeige ist kein Kandidat für die Anzeige.
Um das Problem zu lösen, dass geeignete Anzeigen aufgrund von Wortfehlanpassungen nicht als Kandidaten angezeigt werden können Konvertieren Sie Wörter sowohl aus dem Seiteninhalt als auch aus dem Anzeigentext in Themen. ⇒ Vorgeschlagene Methode zur Suche nach Anzeigen im konvertierten Themenbereich.
Durch die Kombination von Wortsuche und Themensuche Es wurde gezeigt, dass die Genauigkeit der Werbesuche im Vergleich zu dem Fall, in dem beide alleine verwendet werden, verbessert ist.
· Verarbeitung natürlicher Sprache: Was ist "Verarbeitung natürlicher Sprache", die auch für Smartphones verwendet wird? (http://logmi.jp/45207)
・ Themenmodell: Beginn des Themenmodells (https://speakerdeck.com/yamano357/tokyowebmining46th) Ich denke, man kann es irgendwie verstehen, wenn man liest.
Recommended Posts