활성화 확산

Spreading activation

확산 활성화는 연관 네트워크, 생물학적 및 인공신경망, 또는 의미적 네트워크를 검색하는 방법이다.검색 프로세스는 일련의 소스 노드(예: 의미 네트워크의 개념)에 가중치 또는 "활성화"라고 라벨을 붙인 다음 소스 노드에 연결된 다른 노드로 활성화하는 반복적으로 전파 또는 "확산"을 함으로써 시작된다.대부분 이러한 "가중치"는 활성화가 네트워크를 통해 전파됨에 따라 붕괴되는 실제 값이다.가중치가 분리된 경우 이 과정을 마커 패싱이라고 한다.활성화는 구별되는 마커로 식별되는 대체 경로에서 발생할 수 있으며, 두 대체 경로가 동일한 노드에 도달하면 종료된다.그러나 뇌 연구는 여러 다른 뇌 영역이 의미 처리에 중요한 역할을 한다는 것을 보여준다.[1]

팬 아웃 효과를 모델링하기 위해 인지 심리학에서[2][3] 모델로서의 의미론적 네트워크에서의 활성화 확산이 발명되었다.[citation needed]

확산 활성화는 또한 정보 검색 시 해당 문서에 포함된 문서와 용어를 나타내는 노드 네트워크를 통해 적용될 수 있다.[4][5]

인지심리학

인지심리학과 관련되듯이 퍼지는 활성화는 뇌가 특정 정보를 검색하기 위해 관련 아이디어의 네트워크를 통해 어떻게 반복하는가에 대한 이론이다.확산 활성화 이론은 우리의 기억 속에 있는 개념의 배열을 인지 단위로 제시하는데, 각각은 노드와 관련 요소 또는 특성으로 구성되며, 모두 가장자리로 연결되어 있다.[3]확산 활성화 네트워크는 두 노드 사이에 짧은 줄이 있는 일종의 웹 다이어그램으로 도식적으로 표현될 수 있는데, 이는 아이디어가 더 밀접하게 연관되어 있으며 일반적으로 원래 개념과 더 빨리 연관될 것이라는 것을 의미한다.기억 심리학에서, 퍼블리싱 활성화 모델은 사람들이 그들의 개인적인 경험을 바탕으로 세상에 대한 지식을 조직하는 것을 의미하는데, 이것은 그 개인적인 경험들이 그 사람의 세계 지식인 생각의 네트워크를 형성한다고 말한다.[2]

단어 인식 과제에서 단어(대상)에 연관 단어(최상)가 선행될 때, 참가자는 응답에 걸리는 시간만큼 더 좋은 성과를 내는 것으로 보인다.예를 들어, 피실험자들은 "의사"라는 단어가 "카로트"와 같은 관련 없는 단어가 앞에 있을 때보다 "nurse"가 앞에 있을 때 "의사"라는 단어에 더 빨리 반응한다.인지 네트워크 내에서 의미에 가까운 단어들로 이러한 의미적 프라이밍 효과는 문장 검증에서부터 어휘적 결정과 명명까지 실험자들이 부여한 광범위한 작업에서 볼 수 있었다.[6]

또 다른 예로, 원래의 개념이 "빨간색"이고 "차량"이라는 개념이 준비된다면, 그들은 "체리"와 같이 차량과 무관한 것 대신에 "화력 엔진"이라고 말할 가능성이 훨씬 높다.만약 그 대신에 "열매"가 준비되었다면, 그들은 "체리"라는 이름을 짓고 거기서부터 계속 될 것이다.네트워크에서 경로의 활성화는 주체가 어떻게 준비되는가는 물론, 두 개념들이 의미에 의해 얼마나 밀접하게 연결되어 있는가와 모든 관계가 있다.

알고리즘.

방향 그래프는 노드[1...]에 의해 채워진다.N ] 각 활성화 값 A [ i ]를 가지고 있으며, 이는 [0.0 … 1.0] 범위의 실제 숫자다.링크[i, j ]는 소스 노드[ i ]를 대상 노드[j ]와 연결한다.각 가장자리는 일반적으로 [0.0 … 1.0][7] 범위의 실제 숫자 W [i, j ]와 연관된다.

매개 변수:

  • 점화 임계값 F, 범위의 실제 번호 [0.0 … 1.0]
  • 붕괴 계수 D, 범위의 실제 수 [0.0 … 1.0]

단계:

  1. 그래프 설정을 모든 활성화 값 A [ i ]에서 0으로 초기화하십시오.하나 이상의 오리진 노드를 점화 임계값 F보다 큰 초기 활성화 값으로 설정하십시오.일반적인 초기값은 1.0이다.
  2. 활성화 값 A [ i ]을(를) 갖는 그래프에서 노드 작동 임계값 F보다 큰 각 미사용 노드 [ i ]에 대해:
  3. 소스 노드 [i, j ]와 대상 노드 [ j ]를 연결하는 각 링크 [ i, j ]에 대해, A [ ] = A [ ] [ ] + (A [ ] * W [ i, j ] * D)를 조정한다. 여기서 D는 붕괴 계수다.
  4. 대상 노드가 1.0을 초과하도록 활성화 값으로 조정된 경우 새 활성화 값을 1.0으로 설정하십시오.마찬가지로 0.0 이하로 조정될 경우 대상 노드의 활성화 값에 대한 하한으로 0.0을 유지한다.
  5. 기본 알고리즘의 변화로 인해 그래프를 통해 반복적인 발사와 루프가 허용되지만 노드가 일단 발사되면 다시 발사되지 않을 수 있다.
  6. 점화 임계치 F를 초과하는 새로운 활성화 값을 수신하는 노드는 다음 번 확산되는 활성화 사이클에서 발사되도록 표시된다.
  7. 둘 이상의 노드에서 활성화가 발생하는 경우 알고리즘의 변화로 마커 패싱이 허용되어 활성화가 그래프에 분산되는 경로를 구별할 수 있다.
  8. 이 절차는 발사할 노드가 더 이상 없거나 복수의 출발지에서 전달되는 마커의 경우 둘 이상의 경로에서 노드에 도달하면 종료된다.그래프에서 반복적인 노드 발생과 활성화 루프를 허용하는 알고리즘의 변형, 일부 델타에 대해 안정적인 활성화 상태에 도달한 후 또는 최대 반복 횟수가 초과될 때 종료된다.

예

이 예에서 확산 활성화는 초기 활성화 값이 1.0(100%)인 노드 1에서 시작되었다.각 링크는 0.9의 동일한 가중치를 가진다.붕괴인자는 0.85이었다.활성화 확산의 네 사이클이 발생했다.색상 색상과 포화도는 서로 다른 활성화 값을 나타낸다.

참고 항목

메모들

  1. ^ 칼린 패터슨, 피터 J. 네스토르 & 티모시 T. 로저스 : "당신이 알고 있는 것을 어디서 아십니까?인간의 뇌에서 의미지식의 표현" [1]
  2. ^ a b Collins, Allan M.; Loftus, Elizabeth F. (1975). "A spreading-activation theory of semantic processing". Psychological Review. 82 (6): 407–428. doi:10.1037/0033-295X.82.6.407. ISSN 0033-295X.
  3. ^ a b Anderson, John R. (1983). "A spreading activation theory of memory". Journal of Verbal Learning and Verbal Behavior. 22 (3): 261–295. doi:10.1016/S0022-5371(83)90201-3. ISSN 0022-5371.
  4. ^ S. Preece, 정보 검색을 위한 확산 활성화 네트워크 모델.1981년 일리노이 대학교 어바나 샴페인 박사 논문.
  5. ^ 파비오 크레스타니.「정보 검색에서의 보급 활성화 기법의 적용」.인공지능 리뷰, 1997
  6. ^ Chwilla, Dorothhee J.; Hagoort, Peter; Brown, C. M, " 어휘적 결정 과제에서 후진 프라이밍의 기초가 되는 메커니즘: 활성화 대 의미 일치 확산", 1998, 51A(3), 531-560 [2]
  7. ^ 활성화 Aswath, D.; Ahmed, S.T.; Dapos;cunha, J.; Davulcu, H., Web Intelligence, 2005.와 함께 아이템 키워드 검색.의사 진행.2005 IEEE/WIC/ACM 국제 볼륨 컨퍼런스, 발행, 2005년 9월 19-22일 페이지: 704 - 707

참조

  • 닐스 J. 닐슨."인공지능: 새로운 합성"Morgan Kaufmann Publishers, Inc., 1998년 캘리포니아주 샌프란시스코, 페이지 121-122
  • M.A.A. 로드리게스, "문법 기반의 의미 네트워크 무작위 워커", 지식 기반 시스템, 21(7), 727-739, doi:10.1016/j.knosys.2008.03.030, 2008.
  • 칼린 패터슨, 피터 J. 네스토르 & 티모시 T. 로저스 "당신이 알고 있는 것을 어디서 아는가?인간의 뇌에서 의미지식의 표현" 자연 리뷰 신경과학 8, 976-987 (2007년 12월)