Jevを「分類器」ではなく、確率モデルの部品として見る
Jevを単なる高速分類器ではなく、自然言語やログなどの非構造データから人が意味を読める確率変数を取り出し、確率モデルの部品として使う発想を提案している。つまり、非構造情報を意味のある確率変数へ変換する部品としてJevを置き、ロジスティック回帰やベイジアンネット(因果関係を明示する確率モデル)に接続する。
途中の判断を閾値で確定せず不確実性のまま後段へ渡すことや、確率の較正(calibration)と依存関係の設計が重要だと述べる。最終判断をJevに直で任せる場合と、分解して統合する場合の実験比較も提案している。

zenn.dev


