無向グラフィカルモデルは、確率変数の間の条件付き独立性を無向グラフの構造によって表現する確率モデルです。変数間の双方向の関係性を視覚的かつ数学的に扱いやすくするため、画像処理や自然言語処理などの分野で広く利用されています。
無向グラフィカルモデルとは
無向グラフィカルモデルとは、確率変数同士の関係を方向を持たない辺で結ばれたグラフによって表現し、複雑な同時確率分布を分かりやすく分解・計算するための数学的フレームワークです。
詳しく解説
無向グラフィカルモデルは、ノード（頂点）を確率変数、エッジ（辺）を変数間の直接的な関係性として表します。有向グラフと異なり、エッジに向きがないため、変数同士が対称的な関係にある場合や、双方向に影響を与え合う状況に適しています。確率分布はポテンシャル関数の積として定義され、マルコフ確率場とも密接に関連しています。このモデルを用いることで、巨大で複雑な同時確率分布を、局所的な関係性の組み合わせとして効率的に計算できるようになります。
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似たような色やラベルを持つという性質を無向グラフィカルモデルで表現します。また、自然言語処理の分野や、複雑な生体ネットワークの解析など、多くの変数が相互に影響し合う現象のモデリングに利用されます。
似た用語との違い
因果関係や条件付き確率の向きを矢印で明示するベイジアンネットワークなどの有向グラフィカルモデルとは異なり、無向グラフィカルモデルは変数間の対称的な関係や同時的な相関を表現することに特化しています。
注意点
無向グラフィカルモデルの計算上の大きな課題として、分配関数と呼ばれる正規化項の計算が非常に困難であることが挙げられます。変数の数が増えると計算量が爆発的に増加するため、近似推論手法を用いるなどの工夫が必要です。