Bài viết sưu tầm

 Các hiện tượng phức tạp trong thế giới thực luôn có hai yếu tố nổi bật: tính không chắc chắn và tính cấu trúc (các hiện tượng ảnh hưởng lẫn nhau). Các ứng dụng trong tin sinh học, truy vấn, xử lý tiếng nói, hình ảnh, ngôn ngữ, thông tin thường làm việc với hàng nghìn, thậm chí hàng triệu biến (hiện tượng) có quan hệ phức tạp với nhau. Mô hình xác suất đồ thị cung cấp khung làm việc đẹp, gọn và trong sáng cho phép mô hình hoá tính không chắc chắn bằng xác suất và tính cấu trúc bằng các ràng buộc độc lập. Nó còn cung cấp một cách tiếp cận tổng quát tới nhiều bài toán trong các ứng dụng nêu trên. Khung làm việc này tổng quát đến mức các mô hình thống kê nổi tiếng thường gặp như bộ lọc Kalman, mô hình Markov ẩn, mô hình Ising đều là các trường hợp riêng. Trong khoảng hai thập kỉ qua, mô hình xác suất đồ thị nhận được sự quan tâm rất lớn từ cộng đồng nghiên cứu và cộng đồng ứng dụng công nghiệp bởi tính mềm dẻo trong khả năng biểu diễn của nó cùng với khả năng học và suy diễn ngày càng mạnh trên các đồ thị lớn. Bài giảng này sau khi truyền đạt tinh thần và các kiến thức cơ bản sẽ điểm qua một số ứng dụng nổi bật của mô hình quan trọng này trong tin sinh học, mã tự sửa lỗi và xử lý ngôn ngữ.