Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Constrained conditional model (CCM)

Engels: Constrained conditional model (CCM) · Ook wel: CCM, constrained conditional models

In het kort

Een constrained conditional model (CCM) is een raamwerk voor machine learning dat voorwaardelijke modellen aanvult met vaste regels. Het leert eerst een eenvoudig model uit voorbeelden en past daarna die regels toe bij het kiezen van de uitkomst. Bij het inkorten van een lange zin kan een regel eisen dat een bijvoeglijk naamwoord alleen mag blijven samen met het bijbehorende onderwerp.

Waarom is dit belangrijk?

Taalprogramma's kunnen met een constrained conditional model (CCM) samenhangende keuzes maken, zoals welke naam bij welke relatie hoort. In de wetenschap passen onderzoekers dit toe bij het ophalen van feiten, het ontleden van zinnen en het beantwoorden van vragen uit tekst. Voor studenten en onderzoekers betekent dat duidelijkere taaluitkomsten, al kan een foute regel de kwaliteit verlagen en is exact rekenen vaak te zwaar.

Zo werkt het in de praktijk

Taalonderzoekers formuleren transliteratie binnen een constrained conditional model. De tutorial van de University of Illinois noemt die taak naast andere taalproblemen. Een rekenprogramma kiest de uitkomst binnen de extra voorwaarden.

Onderzoek aan de University of Illinois vraagt hoe training klein blijft als regels ver reiken. De auteurs splitsen het constrained conditional model in een geleerd deel en losse eisen. Zij werken dit uit bij het labelen van reeksen woorden.

De berekening gebeurt met integer linear programming, een methode die keuzes als hele getallen oplost. Pakketten zoals CPLEX en GLPK zoeken een toegestane uitkomst. Learning Based Java zet een geschreven regel om in een vorm die het rekenprogramma aankan.

Bron: en.wikipedia.org

Gecontroleerd op 5 november 2026