Corpi divergenti di verità, relazioni di concetti

0

Un mio recente sforzo richiede di chiedere agli utenti in che modo sono correlati due concetti. Esempio: Kiwi e frutta. Identico? Abbastanza simile? Piuttosto diverso? Estranei?

Mi sembra che per alcune combinazioni di termini (come Fragole e Tasty) le persone possano avere opinioni diverse. Questo, in effetti, pone problemi per un algoritmo che cerca di "calcolare" in media le risposte per ottenere una verità globale. Invece, ha senso che per le risposte piuttosto divergenti si abbiano diverse nicchie o "universi di verità" che siano auto-coerenti con i dati di relazione che forniscono.

Una possibile idea è quella del contesto di base: se vivi in una casa probabilmente pensi a una sedia come a qualcosa su cui sederti, ma se vivi in Asia, i tappeti e i cuscini sul terreno possono soddisfare quell'idea "quindi quale è corretto? Entrambi sono corretti per il loro contesto specifico.

Quindi, dato un mucchio di relazioni (Kiwi è un frutto, Kiwi è delizioso, Kiwi non è delizioso) emergeranno risultati divergenti. Esistono algoritmi o studi che tengono conto di questo tipo di divergenza di etichettatura / etichettatura?

    
posta sova 12.11.2017 - 20:05
fonte

2 risposte

3

Questa è una domanda abbastanza ampia. Non mi è chiaro se cerchi algoritmi che individuano i potenziali tag o algoritmi in grado di affrontare il fatto che l'universo non è bianco o nero.

Per il primo aspetto, dovresti certamente considerare il cluster statistico, gli algoritmi delle reti neurali o altre tecniche ML. Ma nella seconda parte ci sono alcune cose più vecchie e più semplici che potrebbero aiutare:

  • La logica fuzzy e altre logiche multivalore sono una forma di logica in cui un predicato (ad esempio "Kiwi è delizioso "," Kiwi is Not Delicious ") può avere diverse verità. Ad esempio può essere 60% vero e 40% falso allo stesso tempo. La logica fuzzy tratta comunque di una visione globale della verità (in generale, secondo la maggior parte delle persone, le persone sono deliziose) e non una visione contestuale.

  • Gli algoritmi basati su grafici consentono di mantenere insieme le serie di interdipendenze della conoscenza correlate. Ad esempio, sistema di manutenzione delle ragioni , tiene traccia della fonte della conoscenza e dei fatti e degli algoritmi di deduzione della verità applicati / inferenza regole / agenti , in modo da poter lavorare con conflitti tra diversi credenze (ad es. il sistema di verifica della verità di Doyle tiene traccia della fonte di ogni verità che mantiene, al fine di tornare indietro quando si verificano conflitti) o diversi universi di verità (ad es. ATMS di De Kleer- Sistema di mantenimento della verità basato sull'assunzione ) .

risposta data 12.11.2017 - 23:55
fonte
5

Quello che stai descrivendo è il compito di analisi del cluster . L'obiettivo è trovare cluster distinti nei dati in cui gli elementi nel cluster sono correlati. Gli attributi dei dati formano il "contesto" a cui ci si riferisce e solitamente l'analisi cluster viene utilizzata per classificare i nuovi dati dopo essere stati formati. Ad esempio, se un frutto è considerato delizioso può essere correlato a vendite e contenuto di zucchero. Le scelte di mobili possono essere correlate alla posizione.

Ad esempio, chiedi a una popolazione di utenti "cos'è un kiwi?" La maggior parte degli utenti risponde che un kiwi è un frutto , ma c'è una correlazione tra utenti provenienti dalla Nuova Zelanda che rispondono che un kiwi è un frutta, un uccello e un persone . Una volta formato il tuo algoritmo di clustering, se hai un nuovo utente al di fuori della NZ, puoi mostrare il tag "fruit" per kiwi, se hai un utente dalla NZ, puoi mostrare "fruit", "bird" e tag "persone".

Più dati hai sulle tue entità, più successo può essere l'algoritmo. Ad esempio, chiedere a una persona se un alimento è delizioso è improbabile che sia correlato strongmente a qualcosa di quella persona, ma potrebbe essere correlato al contenuto di zucchero / sale e agli ingredienti del cibo, e l'analisi a grappolo può aiutare a prevedere se un nuovo cibo è delizioso o no.

    
risposta data 12.11.2017 - 23:13
fonte

Leggi altre domande sui tag