Jump to content

графоид

Графоид » , — это набор утверждений вида: « X не имеет отношения к Y, если мы знаем Z где X , Y и Z — наборы переменных. Понятия «нерелевантность» и «при условии, что мы знаем» могут иметь разные интерпретации, в том числе вероятностные , реляционные и корреляционные, в зависимости от применения. Эти интерпретации имеют общие свойства, которые можно отобразить с помощью путей на графах (отсюда и название «графоид»). Теория графоидов характеризует эти свойства конечным набором аксиом , общих для информационной нерелевантности и ее графических представлений.

Джудея Перл и Азария Пас [1] ввел термин «графоиды» после того, как обнаружил, что набор аксиом, управляющих условной независимостью в теории вероятностей, является общим для неориентированных графов . Переменные представлены в виде узлов на графе таким образом, что наборы переменных X и Y независимы от Z в распределении всякий раз, когда набор узлов Z отделяет X от Y в графе. Аксиомы условной независимости по вероятности были выведены ранее А. Филипом Давидом. [2] и Вольфганг Шпон . [3] Позднее соответствие между зависимостью и графами было расширено до ориентированных ациклических графов (DAG). [4] [5] [6] и к другим моделям зависимости. [1] [7]

Определение

[ редактировать ]

Модель зависимостей M — это подмножество троек ( X , Z , Y ), для которых предикат I ( X , Z , Y ): X не зависит от Y при условии Z , истинен. Графоид определяется как модель зависимостей, замкнутая в соответствии со следующими пятью аксиомами:

  1. Симметрия:
  2. Разложение:
  3. Слабый союз:
  4. Сокращение:
  5. Пересечение:

Полуграфоид — это модель зависимостей, закрытая под номерами 1–4. Эти пять аксиом вместе известны как аксиомы графоида. [8] Интуитивно, слабые свойства объединения и сжатия означают, что нерелевантная информация не должна изменять статус релевантности других предложений в системе; то, что было актуальным, остается актуальным, а то, что было неуместным, остается неуместным. [8]

Виды графоидов

[ редактировать ]

Вероятностные графоиды

[ редактировать ]

Условная независимость, определяемая как

является полуграфоидом, который становится полным графоидом, когда P строго положительно. [1] [7]

Корреляционные графоиды

[ редактировать ]

Модель зависимостей является корреляционным графоидом, если в некоторой функции вероятности мы имеем:

где — это частичная корреляция между x и y, набором Z. заданная

Другими словами, линейная ошибка оценки переменных в X с использованием измерений по Z добавления измерений переменных в Y , что сделает Y нерелевантным для оценки X. не будет уменьшена за счет Модели корреляционной и вероятностной зависимости совпадают для нормальных распределений. [1] [7]

Реляционные графоиды

[ редактировать ]

Модель зависимостей является реляционным графоидом, если она удовлетворяет

Другими словами, диапазон значений, разрешенных для X , не ограничен выбором Y , если Z фиксировано. Утверждения независимости, принадлежащие этой модели, аналогичны встроенным многозначным зависимостям (EMVD) в базах данных. [1] [7]

Граф-индуцированные графоиды

[ редактировать ]

Если существует неориентированный граф G такой, что

тогда графоид называется граф-индуцированным. Другими словами, существует неориентированный граф G такой, что каждое утверждение независимости в M отражается как разделение вершин в G и наоборот. Необходимым и достаточным условием того, чтобы модель зависимостей была графоидом, индуцированным графоидом, является то, что она удовлетворяет следующим аксиомам: симметрия, декомпозиция, пересечение, сильное объединение и транзитивность.

Сильный профсоюз утверждает, что

Транзитивность утверждает, что

Аксиомы симметрия, разложение, пересечение, сильное объединение и транзитивность составляют полную характеристикунеориентированные графы. [9]

DAG-индуцированные графоиды

[ редактировать ]

Графоид называется DAG-индуцированным, если существует направленный ациклический граф D такой, что где означает d разделение в D. - d -разделение ( d -означает «направленный») расширяет понятие разделения вершин от неориентированных графов до ориентированных ациклических графов. Это позволяет считывать условные независимости из структуры байесовских сетей . Однако условные независимости в DAG не могут быть полностью охарактеризованы конечным набором аксиом. [10]

Включение и строительство

[ редактировать ]

Граф-индуцированные и DAG-индуцированные графоидыоба содержатся в вероятностных графоидах. [11] Это означает, что для каждого графа G существует распределение вероятностей P такое, что каждая условная независимость в P представлена ​​в G , и наоборот. То же самое справедливо и для DAG.Однако существуют вероятностные распределения, не являющиеся графоидами, и, более того, не существует конечной аксиоматизации вероятностных условных зависимостей. [12]

Томас Верма показал, что каждый полуграфоид имеет рекурсивный способ построения DAG, в котором любое d -разделение. допустимо [13] Конструкция аналогична той, которая используется в сетях Байеса , и выглядит следующим образом:

  1. Расположите переменные в произвольном порядке 1, 2,...,i,..., N и, начиная с i = 1,
  2. выберите для каждого узла i набор узлов PA i такой, что i не зависит от всех своих предшественников, 1, 2,..., i − 1, обусловленных PA i .
  3. Нарисуйте стрелки от PA i до i и продолжайте.

DAG, созданный этой конструкцией, будет представлять все условные независимости, которыеследуют из использованных при построении. Более того, каждое d -разделение, показанное в DAG, будет действительной условной независимостью в графоиде, используемом при построении.

  1. ^ Перейти обратно: а б с д и Перл, Иудея; Пас, Азария (1985). «Графоиды: графовая логика для рассуждений об отношениях релевантности» (PDF) .
  2. ^ Дэвид, А. Филип (1979). «Условная независимость в статистической теории». Журнал Королевского статистического общества, серия B : 1–31.
  3. ^ Спон, Вольфганг (1980). «Стохастическая независимость, причинная независимость и защищаемость» . Журнал философской логики . 9 : 73–99. дои : 10.1007/bf00258078 .
  4. ^ Перл, Иудея (1986). «Слияние, распространение и структурирование в сетях убеждений». Искусственный интеллект . 29 (3): 241–288. дои : 10.1016/0004-3702(86)90072-x .
  5. ^ Верма, Томас; Перл, Иудея (1988). «Каузальные сети: семантика и выразительность». Материалы 4-го семинара по неопределенности в искусственном интеллекте : 352–359.
  6. ^ Лауритцен, С.Л. (1996). Графические модели . Оксфорд: Кларендон Пресс.
  7. ^ Перейти обратно: а б с д Гейгер, Дэн (1990). «Графоиды: качественная основа для вероятностного вывода» (докторская диссертация, технический отчет R-142, факультет компьютерных наук, Калифорнийский университет, Лос-Анджелес) .
  8. ^ Перейти обратно: а б Перл, Иудея (1988). Вероятностные рассуждения в интеллектуальных системах: сети правдоподобного вывода . Морган Кауфманн.
  9. ^ А. Паз, Дж. Перл и С. Ур, «Новая характеристика графов, основанная на отношениях перехвата», Журнал теории графов, Vol. 22, № 2, 125-136, 1996.
  10. ^ Гейгер, Д. (1987). «Неаксиоматизируемость зависимостей в ориентированных ациклических графах» (PDF) . Отчет Калифорнийского университета в Лос-Анджелесе по компьютерным наукам R-83 .
  11. ^ Гейгер, Д.; Перл, Дж. (1993). «Логико-алгоритмические свойства условной независимости и графические модели». Анналы статистики . 21 (4): 2001–2021. CiteSeerX   10.1.1.295.2043 . дои : 10.1214/aos/1176349407 .
  12. ^ Студени, М. (1992). Кубик, С.; Висек, Дж. А. (ред.). «Отношения условной независимости не имеют конечной полной характеристики». Теория информации, статистические функции принятия решений и случайные процессы. Труды 11-й Пражской конференции . Б. ​Дордрехт: Клювер: 377–396.
  13. ^ Верма, Т.; Перл, Дж. (1990). Шахтер, Р.; Левитт, Т.С.; Канал, Л.Н. (ред.). «Каузальные сети: семантика и выразительность». Неопределенность в AI 4 . Издательство Elsevier Science: 69–76.
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 6d775dccda394ff67d89d6054aa98c9e__1704550800
URL1:https://arc.ask3.ru/arc/aa/6d/9e/6d775dccda394ff67d89d6054aa98c9e.html
Заголовок, (Title) документа по адресу, URL1:
Graphoid - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)