活性化の広がり

活性化拡散法は、連想ネットワーク、生物学的および人工的なニューラル ネットワーク、または意味ネットワークを検索する方法です。^[1]検索プロセスは、一連のソース ノード (意味ネットワークの概念など) に重みまたは「活性化」のラベルを付け、その活性化をソース ノードにリンクされている他のノードに繰り返し伝播または「拡散」することによって開始されます。ほとんどの場合、これらの「重み」は、活性化がネットワークを介して伝播するにつれて減少する実数値です。重みが離散的である場合、このプロセスはマーカー パッシングと呼ばれることがよくあります。活性化は、異なるマーカーによって識別される代替パスから発生し、2 つの代替パスが同じノードに到達すると終了します。ただし、脳の研究では、意味処理には複数の異なる脳領域が重要な役割を果たしていることが示されています。^[2]

意味ネットワークにおける拡散活性化モデルは、ファンアウト効果をモデル化するために認知心理学で考案されました^{[3] [4] 。 [要出典]}

拡散活性化は情報検索にも応用できる^{[5] [6]} 。これは文書とその文書に含まれる用語を表すノードのネットワークによって行われる。

認知心理学に関連して、活性化拡散とは、脳が関連するアイデアのネットワークを反復して特定の情報を検索する方法に関する理論です。活性化拡散理論は、記憶内の概念の配列を認知単位として表します。各概念はノードとそれに関連する要素または特性で構成され、すべてエッジで接続されています。^[4]活性化拡散ネットワークは、2つのノード間の線が短いウェブ図のようなもので図式的に表すことができます。これは、アイデアがより密接に関連しており、通常、元の概念にすばやく関連付けられることを意味します。記憶心理学では、活性化拡散モデルは、人々が自分の個人的な経験に基づいて世界に関する知識を整理し、それが今度はその人の世界に関する知識であるアイデアのネットワークを形成するとしています。^[3]

単語認識課題において、単語（ターゲット）の前に関連する単語（プライム）があると、被験者は反応に要する時間においてより良いパフォーマンスを発揮するようです。例えば、被験者は「医者」という単語の前に「看護師」が来ると、「にんじん」のような無関係な単語が来る場合よりも早く反応します。認知ネットワーク内で意味が近い単語によるこの意味プライミング効果は、文の検証から語彙の決定や命名まで、実験者によって与えられた幅広い課題で確認されています。^[7]

別の例として、元の概念が「赤」で、「乗り物」という概念がプライミングされている場合、乗り物とは関係のない「さくらんぼ」ではなく、「消防車」と言う可能性が高くなります。代わりに「果物」がプライミングされている場合は、「さくらんぼ」と答え、そこから続ける可能性が高いです。ネットワーク内の経路の活性化は、2 つの概念が意味によってどれだけ密接に結びついているか、および主題がどのようにプライミングされているかにすべて関係しています。

有向グラフはノード[1...N]で構成され、各ノードには活性化値A[i]が関連付けられています。活性化値A[i]は範囲[0.0...1.0]の実数です。リンク[i, j]はソースノード[i]とターゲットノード[j]を接続します。各エッジには重みW[i, j]が関連付けられています。通常、重みW[i, j]は範囲[0.0...1.0]の実数です。^[8]

パラメータ:

• 発火閾値F、[0.0 ... 1.0]の範囲の実数
• 減衰係数D、[0.0 ... 1.0]の範囲の実数

手順:

1. すべての活性化値 A [ i ] をゼロに設定してグラフを初期化します。1 つ以上の起点ノードの初期活性化値を発火しきい値 F よりも大きい値に設定します。一般的な初期値は 1.0 です。
2. グラフ内の未発火ノード[ i ]の活性化値A[ i ]がノード発火閾値Fより大きい場合:
3. ソースノード[ i ]とターゲットノード[ j ]を接続する各リンク[ i, j ]について、A[ j ] = A[ j ] + (A[ i ] * W[ i, j ] * D)を調整します。ここで、Dは減衰係数です。
4. ターゲット ノードがアクティベーション値の調整を受けて 1.0 を超える場合は、新しいアクティベーション値を 1.0 に設定します。同様に、ターゲット ノードが 0.0 未満に調整された場合は、アクティベーション値の下限として 0.0 を維持します。
5. 一度ノードが発火すると、再度発火することはできませんが、基本アルゴリズムのバリエーションにより、繰り返し発火したり、グラフをループしたりすることができます。
6. 発火しきい値 F を超える新しい活性化値を受信したノードは、次の拡散活性化サイクルで発火するようにマークされます。
7. 活性化が複数のノードから発生する場合、アルゴリズムのバリエーションにより、活性化がグラフ上に広がるパスを区別するためにマーカーの通過が許可されます。
8. 起動するノードがなくなった場合、またはマーカーが複数の起点から渡される場合、複数のパスからノードに到達したときに、手順は終了します。グラフ内でノードの起動と起動ループを繰り返し実行できるアルゴリズムのバリエーションは、あるデルタに関して安定した起動状態に達した後、または反復の最大回数を超えた後に終了します。

• コネクショニズム

• Nils J. Nilsson. 「人工知能: 新たな統合」 Morgan Kaufmann Publishers, Inc.、カリフォルニア州サンフランシスコ、1998 年、121-122 ページ
• Rodriguez, MA、「セマンティックネットワークにおける文法ベースのランダムウォーカー」、Knowledge-Based Systems、21(7)、727-739、doi :10.1016/j.knosys.2008.03.030、2008年。
• Karalyn Patterson、Peter J. Nestor、Timothy T. Rogers「自分が知っていることをどこで知るのか? 人間の脳における意味的知識の表現」Nature Reviews Neuroscience 8、976-987 (2007 年 12 月)