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