"फैक्टर ग्राफ" क्या हैं और वे किसके लिए उपयोगी हैं?

Question

एक दोस्त टेक्स्ट खनन (पाठ में लोगों के संदर्भों की पहचान करने) के लिए फैक्टर ग्राफ का उपयोग कर रहा है, और मुझे इस टूल में दिलचस्पी मिली है, लेकिन मुझे फैक्टर ग्राफ के बारे में एक सहज ज्ञान युक्त स्पष्टीकरण खोजने में कठिनाई हो रही है और कैसे उन्हें इस्तेमाल करें।

क्या कोई भी फैक्टर ग्राफ का स्पष्टीकरण प्रदान कर सकता है जो गणित भारी नहीं है, और जो अमूर्त सिद्धांत के बजाय व्यावहारिक अनुप्रयोगों पर केंद्रित है?

Answer 1

वे टुकड़ों में समस्या को तोड़ने के लिए बड़े पैमाने पर उपयोग किए जाते हैं। कारक ग्राफ (और उन पर गुज़रने वाला संदेश) का एक बहुत ही रोचक अनुप्रयोग एक्सबॉक्स लाइव ट्रूस्किल एल्गोरिदम है। मैं अपने ब्लॉग पर wrote extensively about it जहां मैंने एक अत्यधिक अकादमिक के बजाय एक प्रारंभिक स्पष्टीकरण के लिए जाने की कोशिश की।

Answer 2

एक कारक ग्राफ एक विशेष प्रकार के सूत्र में मौजूद चर और कारकों (सूत्र के कुछ हिस्सों) के बीच निर्भरताओं का ग्राफिकल प्रतिनिधित्व है।

इस प्रकार शेष सूत्र के सभी कार्य अधिक संक्षेप मान लीजिए आप एक समारोह f(x_1,x_2,...,x_n) है और आप कुछ तर्क x_i के लिए इस समारोह के हाशिये पर गणना करने के लिए चाहते हैं। आगे f कारकों में विभाजित किया जा सकता है, उदा।

f(x_1,x_2,...,x_n)=f_1(x_1,x_2)f_2(x_5,x_8,x_9)...f_k(x_1,x_10,x_11)

फिर आदेश चर आप एक विशेष एल्गोरिथ्म योग उत्पाद (या संदेश गुजर) कहा जाता है, कि छोटे संगणना में समस्या टूट जाता है का उपयोग कर सकते से कुछ के लिए f के हाशिये पर गणना करने के लिए में

। इस algortithm के लिए, यह बहुत महत्वपूर्ण है कि चर किस तर्क के लिए तर्क के रूप में दिखाई देते हैं। यह जानकारी कारक ग्राफ द्वारा कब्जा कर लिया गया है।

ए कारक ग्राफ दोनों कारक नोड्स और परिवर्तनीय नोड्स के साथ एक द्विपक्षीय ग्राफ है। और चरक कारक के तर्क के रूप में प्रकट होता है तो एक कारक और एक परिवर्तनीय नोड के बीच एक धार है। हमारे उदाहरण में कारक f_2 और परिवर्तनीय x_5 के बीच एक किनारे होगा लेकिन f_2 और x_1 के बीच नहीं।

एक महान लेख है: Factor graphs and the sum-product algorithm।

Answer 3

फैक्टर ग्राफ गणित मॉडल है, और केवल गणित समीकरणों के साथ समझाया जा सकता है। संक्षेप में यह आपके मॉडल में ब्याज चर के बीच जटिल संबंधों को समझाने का तरीका है। उदाहरण: ए तापमान है, बी दबाव है, घटक सी, डी, ई बी पर निर्भर करता है, ए किसी भी तरह से, और घटक के बी पर निर्भर करता है, ए। और आप ए और बी के आधार पर मूल्य के बारे में भविष्यवाणी करना चाहते हैं तो आप केवल दृश्यमान राज्यों को जानते हैं। मूल एमएल पुस्तकालय ऐसी संरचना मॉडल करने की अनुमति नहीं देते हैं। तंत्रिका नेटवर्क यह बेहतर करता है। और फैक्टर ग्राफ वास्तव में उस समस्या को हल करता है। फैक्टर ग्राफ गहरी सीखने का एक उदाहरण है। जब सुविधाओं और आउटपुट के साथ मॉडल पेश करना असंभव है, तो फैक्टर मॉडल वास्तविक दुनिया व्यवहार को फिट करने के लिए छिपे हुए राज्यों, परतों और चर की जटिल संरचना बनाने की अनुमति देते हैं। उदाहरण मशीन अनुवाद संरेखण, फिंगरप्रिंट मान्यता, सह-संदर्भ इत्यादि हैं