Je pensais qu'il n'y avait pas d'article particulier sur la modélisation graphique dans Qiita, Voici un bref aperçu de la modélisation graphique.
"Introduction à la modélisation graphique que je n'entends plus" http://www.slideshare.net/Kawamoto_Kazuhiko/ss-35483453
En gros, c'est un modèle de raisonnement bayésien.
(Aditionellement…) Une représentation graphique de l'indépendance conditionnelle entre les variables stochastiques. L'indépendance conditionnelle est la clé de la modélisation et des algorithmes efficaces. (Il y a une connexion, mais la combinaison n'explose pas)
Pour la variable d'observation observable x En définissant la variable latente z non observable Il est possible d'exprimer des valeurs qui ne sont pas observées à l'origine.
Champ de probabilité de Markov: graphe graphique avec graphe non orienté Réseau Basian: Modélisation graphique avec des graphiques valides
-Supplément- Intuitivement, le réseau Basian est plus facile à comprendre, ・ Champ de probabilité de Markov: les nœuds adjacents doivent être indiqués ・ Réseau de base: des dépendances se produisent entre les enfants Par conséquent, il est compliqué de déterminer s'il s'agit d'une indépendance conditionnelle. Le champ stochastique de Markov est un modèle plus simple que le réseau baysien.
La variable latente du champ de probabilité de Markov est ・ S'il s'agit d'une probabilité discrète: modèle de Markov caché ・ Pour probabilité continue: filtre de Kalman (distribution normale), Filtre à particules (autre que la distribution normale) est.
Si le graphique a une structure en boucle Une solution approximative peut être dérivée en utilisant la méthode de propagation stochastique (algorithme de somme des produits).
↓ L'article de commentaire est facile à comprendre. "Implémentation de la propagation de champ de probabilité / probabilité de Markov avec Python networkx" http://sinhrks.hatenablog.com/entry/2014/12/27/232506
Comme le titre l'indique, l'implémentation utilisant le module networkx en Python Il est construit sur le thème du traitement d'image.
La modélisation visuelle peut être effectuée à l'aide de graphiques On dit que c'est la force de la modélisation graphique, Je pense que cette compétence est nécessaire pour démontrer nos forces.
Depuis que j'ai écrit une description de la modélisation graphique et des variables latentes, Comment la modélisation graphique est maintenant utilisée dans l'industrie de la publicité Un exemple d'utilisation dans la tendance actuelle des annonces natives, Je voudrais écrire sur la base de l'article et du papier (Yahoo!).
papier Titre de l'article: rechercher des publicités liées au contenu à l'aide d'un modèle de sujet Auteur: Koji Yamamoto Masaki Noguchi Shingo Ono Koji Tsukamoto (Yahoo Japan Corporation) http://www.anlp.jp/proceedings/annual_meeting/2014/pdf_dir/P2-14.pdf
Topic Model a permis de résumer des phrases rapidement et facilement, Pour lire l'intérêt latent à partir de la liste de mots caractéristiques incluse dans le sujet Un travail analogique humain tel que la connaissance préalable et l'imagination se produira, une amélioration est donc nécessaire.
Utilise le mot vec2 (technologie de traitement du langage naturel de pointe développée et publiée par Google).
Fusion avec la plateforme publicitaire native
Il sera nécessaire d'utiliser un modèle d'apprentissage dynamique.
En raison de l'omnicanalisation des informations d'achat et de l'évolution de la prédiction de comportement par apprentissage automatique Des publicités de ciblage très précises sont possibles.
Critères de sélection des annonces ・ Mots dans le contenu ・ Similitude des mots dans la publicité Il y a.
Même s'il existe une publicité adaptée au contenu Si les mots utilisés dans le contenu et la publicité sont différents La publicité n'est pas un candidat pour l'affichage.
Pour résoudre le problème selon lequel les publicités appropriées ne peuvent pas être affichées en tant que candidats en raison d'une incompatibilité de mots Convertissez les mots du contenu de la page et du texte de l'annonce en thèmes. ⇒ Proposition d'une méthode pour rechercher des publicités dans l'espace thématique converti.
En combinant la recherche de mots et la recherche de sujets, Il a été démontré que la précision de la recherche publicitaire est améliorée par rapport au cas où les deux sont utilisés seuls.
・ Traitement du langage naturel: Qu'est-ce que le «traitement du langage naturel» également utilisé pour les smartphones? (http://logmi.jp/45207)
・ Modèle de thème: Début du modèle de thème (https://speakerdeck.com/yamano357/tokyowebmining46th) Je pense que vous pouvez le comprendre d'une manière ou d'une autre en lisant.
Recommended Posts