Statisztikai adat- és szövegelemzés Bayes-hálókkal: a valószínűségektől a függetlenségi és oksági viszonyokig

Abstract

Egy sokváltozós, akár több száz bizonytalan eseményt is tartalmazó tárgyterület szakértői háttértudáson, szakcikkeken és statisztikai adatokon alapuló valószínűségi modellezése több szintre és fázisra tagolódó feladat. Egyrészt tartalmazza a tárgyterület numerikus eloszlásának, a függetlenségi és az okozati relációknak, mint egymásra épülő szinteknek a modellezését. Másrészt felöleli a priori ismeretek szakértőtől, tudásbázisokból, a szemantikus webről és szabadszöveges forrásokból történő kinyerését és formalizálását, majd statisztikai adatokkal való kombinálását és egy döntéselméleti keretben valóhasználatát, azaz a tudásmérnökség, a gépi tanulás és következtetés területét is. A cikkünkben a Bayes-háló modellosztályt(reprezentációt) mutatjuk be, amellyel ezek a feladatok sikerrel oldhatók meg. Ismertetjük a Bayes-statisztika keretrendszerét, amely a Bayes-hálók alkalmazásának nem szükségszerű, de gyakori környezete. A módszer gyakorlati alkalmazását az általunk kifejlesztett rendszer egy orvosbiológiai feladatra, a petefészekrák tárgyterületre történő alkalmazásán keresztül illusztráljuk, illetve áttekintjük a jelenleg létező ipari alkalmazásokat. Végül kitérünk az ismertetett modell gyengeségeire és vázoljuk az ezeket kiküszöbölni kívánó kutatási irányokat.