主题：【原创】討論中的馬爾可夫過程 -- 柠檬籽儿

馬爾可夫過程（Markov chain，馬爾可夫鏈）是俄國數學家安德烈.馬爾可夫（Андрей Андреевич Марков，1856-1922）提出的一種隨機過程。在這種過程中，系統未來的狀態僅決定于現在的狀態，而與過去的狀態無關。

聽上去有點兒暈，沒關系，舉個例子。天氣系統是一個馬爾可夫過程，天氣的狀態可以簡單的定義為[晴天，雨天，多云]。那么，明天的天氣，比如[晴天]的概率，僅由今天的天氣狀態決定，而與昨天的天氣是什么狀態無關。

那語言交流中的馬爾可夫過程是什么呢？

先聽一段相聲，

以上引自外链出处

這段活兒中，捧逗之間話語的傳遞其實就類似一種馬爾可夫過程。

好笑之余，其實我們也要檢討一下，在西西河的討論中，類似馬爾可夫過程是不是多了一些。

馬爾可夫過程是一個隨機過程，沒有信息輸入，因此，這個隨機的過程只會帶給整個討論永不休止的混亂。比如，討論雙方不停地給出各種結論和判斷，這些結論與判斷都只是產生于對對方剛剛做出的結論與判斷進行的回應。那么可以想見，一條明顯的吵架馬爾可夫鏈就完美的形成了。因此，伴隨著馬爾可夫過程，我們看到樓歪了，我們看到吵架了，我們看到人與人開始相互攻擊了，最后，我們看到了更加對立的情緒并得到一個解不開的心結。

瓦解馬爾可夫的過程的唯一方法，就是添加作為負熵的信息。有人說，“理越辯越明”。其實未必，要看如何進行辯這個動作。如果辯論的過程是一個開放的過程，辯論的雙方都投入大量的信息，那么，如果做出判斷的條件（充分的信息和好的判斷方法）被滿足，雙方最后很有可能達成一個共識，這個共識往往是創造性的，是討論雙方在討論之前都沒有想到的，這恐怕才是有意義的討論。

對我而言，在討論之前建立的結論其實可以輕易拋棄。因為在科學研究中，結論只是一家之言，是無足輕重的，重要的在于有多少數據。發動一次討論的目的，其實也更在于能夠收集更多的真實數據，支持我們看到真實的世界。

據此，一次有效討論的成功判據（P）決定于討論前后的信息增量（delta S）的符號，即

不过您的分析过于复杂了，怪的弯多了点，不过还是要花。另外能联想到公式，也挺有意思。

虽然字全认识，还是不如简体看着不用动脑子。

精英为什么会失败？精英这么好的词汇，为什么会和普世价值、小姐等词汇一起沦为笑谈的贬义词？

土共当年有联系群众的好传统，精英们留洋的很多，以为自己有学问，却连基本的抽样技术也没掌握好。

大气的变化是连续的，不是离散的，可以接受的说法是只有相隔二周以上的大气相互之间才会完全没有关系。大气不应该被看成是一个完全没有记忆的系统吧？话说回来，连续时间马尔可夫过程怎么理解？

大气并非一个孤立的系统，上下边界条件的变化，对于短期内的天气变化并不显著，但是两周以上的气候过程，这种变化就变得很重要了。当一个系统现在的状态对于未来的状态已经不是最重要的情况下，还可以满足于马尔可夫过程的相关性质吗？

对于大气运动，我们已经有许多的猜想，提出了许多的模型，但是，包括马尔可夫过程在内的这些数学模型是否可以提供足够的精度来预测天气呢？

道理都懂，吵起来都觉得自己高明，都觉得自己是正义的，特别是如果一方有不礼貌的情况，攻击往往变本加厉，无法控制

能自省，自我批评，主动退让的，太少太少

不过西西河算是不错的了

可惜现在即使在西西河也很难保证心平气和添加信息的做法了。

應用馬爾可夫模型預測天氣的模型應該還是比較多的。24小時的采樣時間間隔是我在一個建模比賽上看到的題目，呵呵，不知道真實數據如何？

如果希望預測精度提高，就要把天氣狀態分劃的再細致一些，比如中雨小雨都加進去（？我不懂亂說的），但是收集數據的量肯定要顯著增加了。

隱馬模型用的更多，因為有些系統狀態很難測量，請見外链出处，這里有較系統的描述。

在一串完美的马尔科夫链讨论中，后一帖对前一帖即使不是‘就事论事’，起码也是‘就帖论帖’，一个帖有如果一百个字，意思就是那一百个字，只要发言者措辞严谨，回复者理解能力正常，就不会引发无谓的猜度、引申、借题发挥等等。

但在现实中讨论发言只要措辞严谨些，对别人的误解有点耐性去解释就可以了吗？恐怕没有这样的好事。在很多歪楼吵架的讨论中，问题不在于后一帖只跟前一帖有关，刚刚相反，问题在于后一帖不只跟前一帖有关，还跟前W帖，前X个主题，前Y个论坛，前Z年来某些（插入人群分类形容词）的表现有关。

哪怕楼上根本没有参予或赞同前W帖，前X个主题，前Y个论坛以及前Z年来某些（插入人群分类形容词）的言行，只要人家觉得你在这一帖评论这一件事的立场不对，不符合其对WXYZ的一贯印象，你的包袱就沉重了，你就要自动为WXYZ负责、辩解了。

甚至，你在这帖根本没有提及任何关于WXYZ的事情，但有些人觉得你影射了什么，便又要在回复中把WXYZ拿出来鞭尸一遍。

这就是‘立场’二字的精髓。

如果一态到另一态的概率不随时间改变，而且不会一旦离开某态就再也回不来，那就存在stationary distribution，马可夫链也将收敛到那个分布上去，无论初态为何处。

瞎說的，別當真哦~

算法一，評價某ID在一次討論中是否有持續信息輸入

一次討論被定義為當前ID在同一主題貼下的所有回復，我們按照時間將其所有回復排序。

Flow chart，

（1）我們統計在一個主題貼下面某ID的所有發言；

（2）根據所有發言建立此ID的詞典；

（3）在每貼中統計詞典中的詞頻；

（4）根據分布計算任意兩貼之間的increment of diversity（d），即信息增量；

（5）根據信息增量，產生判據P = 1時，此ID在討論中有信息輸入。

Increment of diversity的計算參見PMID: 19138734，11735294

呼吁一下搞自然語言處理的高手來做一個web application。

算法二，計算兩個ID之間的交互

暫時還沒想好...