Активация распространения - это метод поиска ассоциативных сетей, биологических и искусственных нейронных сетей или семантических сетей.. Процесс поиска инициируется путем пометки набора исходных узлов (например, концепций в семантической сети) весовыми коэффициентами или «активацией», а затем итеративным распространением или «распространением» этой активации на другие узлы, связанные с исходными узлами. Чаще всего эти «веса» представляют собой реальные значения, которые уменьшаются по мере распространения активации по сети. Когда веса дискретны, этот процесс часто называют прохождением маркера. Активация может происходить из альтернативных путей, обозначенных разными маркерами, и завершаться, когда два альтернативных пути достигают одного и того же узла. Однако исследования мозга показывают, что несколько различных областей мозга играют важную роль в семантической обработке . [1]
Модели активации распространения используются в когнитивной психологии [2] [3] для моделирования эффекта разветвления. [ необходима цитата ]
Распространение активации также может быть применен в поиске информации , [4] [5] с помощью сети узлов , представляющих документы и термины , содержащиеся в этих документах.
Когнитивная психология
В том, что касается когнитивной психологии , распространяющаяся активация - это теория того, как мозг перебирает сеть связанных идей для получения конкретной информации. Теория распространяющейся активации представляет набор концепций в нашей памяти в виде когнитивных единиц, каждая из которых состоит из узла и связанных с ним элементов или характеристик, связанных вместе ребрами. [3] Распространяющаяся сеть активации может быть представлена схематично в виде веб-диаграммы с более короткими линиями между двумя узлами, что означает, что идеи более тесно связаны и обычно быстрее связываются с исходной концепцией. Для психологии памяти модель активации распространения означает, что люди организуют свои знания о мире на основе своего личного опыта, то есть эти личные переживания образуют сеть идей, которая является познанием мира человеком. [2]
Когда слову (цели) предшествует связанное слово (штрих) в задачах распознавания слов, участники, кажется, лучше справляются с тем количеством времени, которое им требуется, чтобы ответить. Например, субъекты быстрее реагируют на слово «доктор», когда ему предшествует «медсестра», чем когда ему предшествует слово, не имеющее отношения к делу, например «морковь». Этот эффект семантического прайминга слов, близких по значению в когнитивной сети, был замечен в широком спектре задач, поставленных экспериментаторами, от проверки предложения до лексического решения и наименования. [6]
В качестве другого примера, если исходная концепция - «красный», а концепция «транспортные средства» - загрунтована, они с большей вероятностью скажут «пожарная машина» вместо чего-то не связанного с транспортными средствами, например «вишня». Если вместо этого загрунтовать «фрукты», они, скорее всего, назовут «вишни» и продолжат оттуда. Активация путей в сети имеет прямое отношение к тому, насколько тесно связаны два понятия по смыслу, а также к тому, как субъект ориентирован.
Алгоритм
Направленный граф заполняется Узлами [1 ... N], каждый из которых имеет ассоциированное значение активации A [i], которое является действительным числом в диапазоне [0,0 ... 1,0]. Ссылка [i, j] соединяет исходный узел [i] с целевым узлом [j]. Каждому ребру соответствует вес W [i, j], обычно действительное число в диапазоне [0,0 ... 1,0]. [7]
Параметры:
- Порог срабатывания F, действительное число в диапазоне [0,0 ... 1,0]
- Коэффициент затухания D, действительное число в диапазоне [0,0 ... 1,0]
Шаги:
- Инициализируйте график, установив все значения активации A [i] на ноль. Установите для одного или нескольких исходных узлов начальное значение активации, превышающее порог срабатывания F. Типичное начальное значение - 1.0.
- Для каждого незадействованного узла [i] в графе, имеющего значение активации A [i] больше, чем порог срабатывания узла F:
- Для каждой Связи [i, j], соединяющей исходный узел [i] с целевым узлом [j], настройте A [j] = A [j] + (A [i] * W [i, j] * D), где D фактор распада.
- Если целевой узел получает корректировку своего значения активации так, чтобы оно превышало 1,0, тогда установите его новое значение активации равным 1,0. Аналогичным образом сохраните 0,0 в качестве нижней границы значения активации целевого узла, если он получит корректировку ниже 0,0.
- После запуска узла он может больше не запускаться, хотя варианты основного алгоритма допускают повторные запуски и циклы по графу.
- Узлы, получившие новое значение активации, превышающее порог срабатывания F, помечаются для срабатывания в следующем цикле активации разбрасывания.
- Если активация исходит от более чем одного узла, вариант алгоритма разрешает прохождение маркера, чтобы различать пути, по которым активация распространяется по графу.
- Процедура завершается, когда либо больше нет узлов для запуска, либо в случае перехода маркера из нескольких источников, когда узел достигается более чем по одному пути. Варианты алгоритма, которые допускают повторные запуски узлов и циклы активации в графе, завершаются после достижения устойчивого состояния активации по отношению к некоторой дельте или при превышении максимального количества итераций.
Примеры
Смотрите также
Заметки
- ^ Каралин Паттерсон, Питер Дж. Нестор и Тимоти Т. Роджерс: «Откуда вы знаете то, что знаете? Представление семантических знаний в человеческом мозге» [1]
- ^ a b Коллинз, Аллан М .; Лофтус, Элизабет Ф. (1975). «Теория распространения-активации семантической обработки». Психологический обзор . 82 (6): 407–428. DOI : 10.1037 / 0033-295X.82.6.407 . ISSN 0033-295X .
- ^ а б Андерсон, Джон Р. (1983). «Распространяющаяся теория активации памяти». Журнал вербального обучения и вербального поведения . 22 (3): 261–295. DOI : 10.1016 / S0022-5371 (83) 90201-3 . ISSN 0022-5371 .
- ^ С. Прис, Сетевая модель распространения активации для поиска информации. Кандидатская диссертация, Университет Иллинойса, Урбана-Шампейн, 1981.
- ^ Фабио Крестани. «Применение методов активации распространения в поиске информации». Обзор искусственного интеллекта , 1997 г.
- ^ Чвилла, Дороти Дж .; Хагоорт, Питер; Браун, К.М., «Механизм, лежащий в основе обратного прайминга в задаче лексического решения: распространение активации против семантического соответствия», The Quarterly Journal of Experimental Psychology, 1998, 51A (3), 531-560 [2]
- ^ Повышение уровня поиска по ключевым словам с распространением активации Aswath, D .; Ахмед, СТ; Dapos; cunha, J .; Давулку, Х., Web Intelligence, 2005. Труды. Международная конференция IEEE / WIC / ACM 2005 по тому, выпуску, 19-22 сентября 2005 г. Страница (и): 704 - 707
Рекомендации
- Нильс Дж. Нильссон. «Искусственный интеллект: новый синтез». Morgan Kaufmann Publishers, Inc., Сан-Франциско, Калифорния, 1998 г., страницы 121–122.
- Родригес, М., "Grammar-Based Случайные Гуляющие в семантических сетей" , Системы , основанные на знаниях , 21 (7), 727-739, DOI : 10.1016 / j.knosys.2008.03.030 , 2008.
- Каралин Паттерсон, Питер Дж. Нестор и Тимоти Т. Роджерс «Откуда вы знаете, что вы знаете? Представление семантических знаний в человеческом мозгу», Nature Reviews Neuroscience 8, 976-987 (декабрь 2007 г.)