Παπακώστας Μιχάλης ΑΜ:2007030001
description
Transcript of Παπακώστας Μιχάλης ΑΜ:2007030001
ΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ 2012-2013
ΑΚΡΙΒΗΣ ΣΥΜΠΕΡΑΣΜΟΣ ΔΙΚΤΥΟΥ BAYES ΣΕ ΑΡΘΡΑ ΕΦΗΜΕΡΙΔΑΣ
ΠΑΠΑΚΏΣΤΑΣ ΜΙΧΆΛΗΣ
ΑΜ:2007030001
ΠΕΡΙΛΗΨΗ
Τι υλοποιήσαμε:
• Δίκτυο Bayes που μοντελοποίει την αρθρογραφία της εφημερίδας Ελευθεροτυπίας για το διάστημα 1/5/2000-31/12/2000
• Άλγορίθμο που πραγματοποιεί Ακριβή Συμπερασμό με τη μέθοδο της Απαρίθμησης στο συγκεκριμένο δίκτυο
Στόχοι:
• Τι απασχολούσε την επικαιρότητα το διάστημα που εξετάζουμε
• Που επικεντρώθηκε η αρθογραφία της συγκεκριμένης εφημερίδας
• Εξαγωγή πληροφοριών για τη δομή των άρθρων
Περιορισμοί:
• Περιορισμένο dataset
• Δυσκολία εξαγωγής μεταβλητών από το συγκεκριμένο dataset
επίτευξη στόχων στα πλαίσια του δικού μας μικρόκοσμου
ΕΙΣΑΓΩΓΙΚΑ
Τι είναι ενα δίκτυο Bayes:
• Μέθοδος αντιπροσώευσης ενός συνόλου τυχαίων μεταβλητών και των μεταξύ τους εξαρτήσεων, μέσω ενός κατευθυνόμενου ακυκλικού γράφου
Συνδυασμένη κατανομή πιθανότητας για το X
Για δίκτυο Bayes “S”:
ΕΙΣΑΓΩΓΙΚΑ
Ακριβής Συμπερασμός σε δίκτυα Bayes
• Υπολογισμός της εκ των υστέρων κατανομής ενός ερωτήματος, έχοντας ως δεδομένο κάποιο συμβάν
Πιθανότητα του ερωτήματος X δοθέντος του συμβάντος e
X οι μεταβλητή ερωτήματος
E οι μεταβλητές μαρτυρίας
Y οι κρυφές μεταβλητές
,όπου α=P(e) (παράγοντας κανονικοποίησης)
ΕΙΣΑΓΩΓΙΚΑ
Mεθοδος της Απαρίθμησης
• Άθροιση των πιθανοτήτων όλων των ατομικών συμβάντων για ένα ερώτημα δοθέντος ενός συμβάντος
• Ατομικά συμβάντα Όλοι οι πιθανοί συνδυασμοί των κρυφών μεταβλητών
• Βάση γνώσης
• Yπολογισμός συνδυασμένων καταχωρήσεων με πολλαπλασιασμό
• Μαθηματική έκφραση:
Δίκτυο Bayes
CPTs
ΕΙΣΑΓΩΓΙΚΑ
Το δίκτυό Bayes που υλοποιήθηκε στο συγκεκριμενο project
ΥΛΟΠΟΙΗΣΗ
Dataset
• Δείγματά Άρθρα της εφημερίδας Ελευθεροτυπίας από το χρονικό διάστημα 1/5/2000-31/12/2000
• 214 ημερομηνίες
• Κάθε ημ/νία περιέχει τουλάχιστον ένα άρθρο από κάθε θεματική
• Η θεματική υποδηλώνεται από τον τίτλο του εκάστοτε άρθρου
ΥΛΟΠΟΙΗΣΗ
Μεταβλητες
•
πλήθος των ήμερών ενός μήνα
όλες οι ημερομηνίες του dataset (214)
•
πλήθος των άρθρων που αφορούν μία θεματική για ένα μήνα
σύνολο των άρθρων που γράφτηκαν τον μήνα
MONTH
Πεδίο τιμών : 05 06 07 08 09 10 11 12
Mάιος Ιούν. Ιούλ. Αύγ. Σεπ. Οκτ. Νοεμ. Δεκ.
TOPIC
Πεδίο τιμών : politics art economy sport world Greece
ΥΛΟΠΟΙΗΣΗ
Μεταβλητες
•
πλήθος άρθρων που ανήκουν σε ένα TOPIC και ικανοποιούν τα κριτήρια μίας κατηγορίας
σύνολο των άρθρων που ανήκουν στο συγκεκριμένο TOPIC
RANGE
Πεδίο τιμών : c1 c2 c3 c4 c5 c6
0-200words
201-400words
401-600 words
601-800 words
801-1000 words
1000 <words
ΥΛΟΠΟΙΗΣΗ
Μεταβλητες
•
χρήματα ζωγραφιά πρόοδος
ύφεση ανάπτυξη επιτυχία
γήπεδο αρχή παρακμή
τέρμα παγκοσμιοποίηση θέατρο
αποτυχία υπουργός κόσμος
ταινία μπάλα οικονομία
εστία αρένα ελλάδα
πτώση χρέος δικαιοσύνη
καλλιτέχνης έκθεση κέρδος
δάνειο άνοδος σινεμά
WORDS DOMAIN
Πεδίο τιμών
πλήθος εμφάνισης λέξης δεδομένης μίας θεματικής
σύνολο εμφανίσεων αυτής της λέξης σε όλα τα άρθρα της συγκεκριμένης θεματικής
ΥΛΟΠΟΙΗΣΗ
Κώδικας
• Yλοποίηση σε PERL
• Ένα PERL-scrιpt για για τον υπολογισμό του CPT κάθε μεταβλητής
• Υπολογισμός των CPTs γίνεται με βάση:
• Υλοποιήσαμε κώδικα που υπολογίζει τον ακριβή συμπερασμό με τη μέθοδο της απαρίθμησης στα ερωτήματα που θέτει ο χρήστης με βάση το δίκτυο που περιγράψαμε
ενδείκνυται για την επεξεργασία μεγάλου όγκου πληροφορίας σε μορφή κειμένου
δομή του δικτύου Bayes
με τον τύπο της εκάστοτε μεταβλητής