激活擴散

激活擴散(英語:Spreading activation)是一種搜索關聯網絡、生物人工神經網絡語義網絡的方法。這一搜索過程是通過給一組源節點(例如語義網絡中的概念)貼上權重或「激活」來啟動的,然後迭代地將激活傳播或「擴散」到與源節點相連的其他節點。大多數情況下,這些「權重」是真實的數值,伴隨激活在網絡中的傳播而逐漸衰減。當權重值是離散的時,這個過程通常被稱為標記傳遞。激活可能來自不同的路徑,由不同的標記識別,並在兩個備用路徑到達同一節點時終止。大腦研究表明,幾個不同的大腦區域在語義處理英語semantic processing中都起着重要作用。 [1]

認知心理學[2] [3]中,激活擴散作為模型的語義網絡中模擬扇出效應。

傳播激活也可以應用於信息檢索[4] [5]通過代表文件和這些文件所含術語的節點網絡來實現。

認知心理學

認知心理學中,傳播激活是關於大腦如何通過關聯思維網絡進行迭代以檢索特定信息的理論。擴散激活理論將我們記憶中的概念陣列呈現為認知單元,每個單元由一個節點及其相關元素或特徵組成,都由它們之間的邊緣連接起來。 [6]傳播激活網絡可以示意性地表示為在網絡圖中兩個節點之間的直線最短,這意味着這些想法的關係相對更為密切,通常會更快地與元概念聯繫起來。對於記憶心理學來說,傳播激活模型是指人們根據個人經驗組織他們對世界的知識,也就是說,這些個人經驗形成了思想網絡,即人對世界的知識。 [7]

在單詞認讀學習研究中,當一個單詞(the target,目標)前面有一個關聯的單詞(the prime,首要的),即「首要的目標」(prime target)時,參與者回應的時間似乎表現得更好。在實驗者給出的各種任務中,從句子驗證到詞彙決定和命名,都可以看到認知網絡中意義相近的詞彙的這種語義啟發效應。 [8]網絡中通路的激活與兩個概念在意義上的緊密聯繫程度以及主題的啟發方式密切相關。

算法

有向圖由 Nodes[1. . . N ] 每個都有一個關聯的激活值 A [ i ],它是 [ 0.0 ... 1.0] 範圍內的實數。 Link[i, j] 連接源節點[i] 和目標節點[j]。每條邊都有一個關聯的權重 W [ i, j ] 通常是 [0.0 ... 1.0] 範圍內的實數。 [9]

參數:

  • 觸發閾值 F,[0.0 ... 1.0] 範圍內的實數
  • 衰減因子 D,[0.0 ... 1.0] 範圍內的實數

步驟:

  1. 初始化圖形,將所有激活值 A [ i ] 設置為零。將一個或多個源節點設置為大於觸發閾值 F 的初始激活值。典型的初始值為 1.0。
  2. 對於圖中激活值 A [ i ] 大於節點觸發閾值 F 的每個未觸發節點 [ i ]:
  3. 對於連接源節點[i]與目標節點[j]的每個Link[i,j],調整A[j]=A[j]+(A[i]*W[i,j]*D),其中D是衰減因子。
  4. 如果目標節點收到對其激活值的調整,使其超過 1.0,則將其新激活值設置為 1.0。同樣,如果目標節點收到低於 0.0 的調整,則保持 0.0 作為目標節點激活值的下限。
  5. 一旦一個節點已經觸發,它可能不會再次觸發,儘管基本算法的變體允許重複觸發並在圖中循環。
  6. 接收到超過觸發閾值 F 的新激活值的節點被標記為在下一個擴展激活周期觸發。
  7. 如果激活源自多個節點,則該算法的一種變體允許通過標記來區分激活在圖中傳播的路徑
  8. 當沒有更多的節點要觸發時,或者在標記從多個起點傳遞的情況下,當從多個路徑到達一個節點時,該過程終止。允許重複節點觸發和圖中激活循環的算法變體在達到穩定激活狀態後終止,相對於某個增量,或者當超過最大迭代次數時。

例子

 
在此示例中,擴散激活起源於節點 1,其初始激活值為 1.0 (100%)。每個鏈接具有相同的權重值 0.9。衰減因子為 0.85。已經發生了四個傳播激活周期。不同的色調和飽和度表示不同的激活值。

另見

參考文獻

  1. ^ Karalyn Patterson, Peter J. Nestor & Timothy T. Rogers: "Where do you know what you know? The representation of semantic knowledge in the human brain"
  2. ^ Collins, Allan M.; Loftus, Elizabeth F. A spreading-activation theory of semantic processing.. Psychological Review. 1975, 82 (6): 407–428. ISSN 0033-295X. doi:10.1037/0033-295X.82.6.407. 
  3. ^ Anderson, John R. A spreading activation theory of memory. Journal of Verbal Learning and Verbal Behavior. 1983, 22 (3): 261–295. ISSN 0022-5371. doi:10.1016/S0022-5371(83)90201-3. 
  4. ^ S. Preece, A spreading activation network model for information retrieval. PhD thesis, University of Illinois, Urbana-Champaign, 1981.
  5. ^ Fabio Crestani. "Application of Spreading Activation Techniques in Information Retrieval". Artificial Intelligence Review, 1997
  6. ^ Anderson, John R. A spreading activation theory of memory. Journal of Verbal Learning and Verbal Behavior. 1983, 22 (3): 261–295. ISSN 0022-5371. doi:10.1016/S0022-5371(83)90201-3. 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.
  7. ^ Collins, Allan M.; Loftus, Elizabeth F. A spreading-activation theory of semantic processing.. Psychological Review. 1975, 82 (6): 407–428. ISSN 0033-295X. doi:10.1037/0033-295X.82.6.407. 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.
  8. ^ Chwilla, Dorothee J.; Hagoort, Peter; Brown, C. M., "The mechanism underlying backward priming in a lexical decision task: spreading activation versus semantic matching", The Quarterly Journal of Experimental Psychology, 1998, 51A (3), 531-560
  9. ^ Boosting item keyword search with spreading activation頁面存檔備份,存於網際網路檔案館) Aswath, D.; Ahmed, S.T.; Dapos;cunha, J.; Davulcu, H., Web Intelligence, 2005. Proceedings. The 2005 IEEE/WIC/ACM International Conference on Volume, Issue, 19-22 Sept. 2005 Page(s): 704 - 707

引用來源