Marginal Log-Linear Parameters for Graphical Markov Models
图形马尔可夫模型的边际对数线性参数AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究多元离散数据的条件独立图模型，未明确涉及因果识别、经济网络或离散选择行为。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
图形马尔可夫模型的边际对数线性参数
- 研究问题
- 如何以边际对数线性参数描述无环有向混合图的马尔可夫模型，并确定哪些图允许参数变动独立的表示？
- 方法与思路
- 作者引入满足通常全局马尔可夫性质的一类边际对数线性模型，刻画参数变动独立对应的图结构，并展示稀疏建模应用。
- 材料陈述的贡献
- 摘要称，本文首次用最小约束列表描述无环有向混合图模型，并精确刻画参数变动独立的图类别，提供真实数据示例。
- 阅读关注点
- 阅读全文时应核对边际参数与图的对应方式、最小约束的含义、参数变动独立的判据，以及稀疏建模中的约束实施方法。
- 阅读边界
- 仅据所给 Crossref 摘要；“首次”为作者声明，具体图判据及实证结果未提供，不能自动赋予图因果解释或推断版本变化。
原文摘要
Summary Marginal log-linear (MLL) models provide a flexible approach to multivariate discrete data. MLL parameterizations under linear constraints induce a wide variety of models, including models that are defined by conditional independences. We introduce a subclass of MLL models which correspond to acyclic directed mixed graphs under the usual global Markov property. We characterize for precisely which graphs the resulting parameterization is variation independent. The MLL approach provides the first description of acyclic directed mixed graph models in terms of a minimal list of constraints. The parameterization is also easily adapted to sparse modelling techniques, which we illustrate by using several examples of real data.