マルコフネットワークは、確率変数の間の条件付き独立性を無向グラフで表現する確率的グラフィカルモデルです。因果関係ではなく変数間の相互作用や相関を捉えるのに適しており、画像処理や自然言語処理などの多様な分野で応用されています。
マルコフネットワークとは
マルコフネットワークとは、変数間の相互依存関係を無向グラフを用いて表現し、複雑な確率分布をモデリングするためのフレームワークです。
詳しく解説
マルコフネットワークは「無向グラフィカルモデル」とも呼ばれ、ノードが確率変数を、エッジが変数間の直接的な確率的相互作用を表します。有向グラフを用いるベイジアンネットワークとは異なり、エッジに向きがないのが特徴です。結合確率分布は、ポテンシャル関数の積と正規化定数を用いて表現されます。これにより、グラフ内で直接結ばれていない変数同士も、他の変数を介した条件付き独立性を考慮しながら効率的に計算できるよう設計されています。
具体例・使われ方
画像処理におけるノイズ除去やセグメンテーションでは、隣接する画素同士が強い相関を持つため、マルコフネットワークの一種であるマルコフ確率場が広く利用されます。また、自然言語処理の品詞タギングや、生物情報学における遺伝子ネットワークの解析などにも応用されています。
似た用語との違い
有向グラフを用いるベイジアンネットワークとの違いとして、マルコフネットワークは因果関係の向きを持たず、双方向の相互依存関係を自然に表現できる点が挙げられます。また、確率分布の計算において正規化定数（パーティション関数）の算出が必要となり、これが計算上の難しさをもたらす要因となります。
注意点
グラフの規模が大きくなると、正規化定数の計算が指数関数的に困難になるという計算上の制約があります。そのため、近似推論手法や学習アルゴリズムの選定には十分な注意が必要です。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月4日 15:11