信息熵

信息是個很抽象的概念。人們常常說信息很多，或者信息較少，但卻很難說清楚信息到底有多少。比如一本五十萬字的中文書到底有多少信息量。

直到1948年，香農提出了“信息熵”的概念，才解決了對信息的量化度量問題。信息熵這個詞是C．E．香農從熱力學中借用過來的。熱力學中的熱熵是表示分子狀態混亂程度的物理量。香農用信息熵的概念來描述信源的不確定度。

資訊理論之父克勞德·艾爾伍德·香農第一次用數學語言闡明了機率與信息冗餘度的關係。

基本介紹

• 中文名：信息熵
• 外文名：informationentropy
• 提出者： C. E. Shannon 
• 時間： 1948 年
•  借鑑：熱力學的概念

理論提出

資訊理論之父 C. E. Shannon 在 1948 年發表的論文“通信的數學理論（ A Mathematical Theory of Communication ）”中指出，任何信息都存在冗餘，冗餘大小與信息中每個符號（數字、字母或單詞）的出現機率或者說不確定性有關。

Shannon 借鑑了熱力學的概念，把信息中排除了冗餘後的平均信息量稱為“信息熵”，並給出了計算信息熵的數學表達式。

基本內容

通常，一個信源傳送出什麼符號是不確定的，衡量它可以根據其出現的機率來度量。機率大，出現機會多，不確定性小；反之不確定性就大。

不確定性函式f是機率P的減函式；兩個獨立符號所產生的不確定性應等於各自不確定性之和，即f(P_1,P₂)=f(P₁)+f(P₂)，這稱為可加性。同時滿足這兩個條件的函式f是對數函式，即。

在信源中，考慮的不是某一單個符號發生的不確定性，而是要考慮這個信源所有可能發生情況的平均不確定性。若信源符號有n種取值：U₁…U_i…U_n，對應機率為：P₁…P_i…P_n，且各種符號的出現彼此獨立。這時，信源的平均不確定性應當為單個符號不確定性-logP_i的統計平均值（E），可稱為信息熵，即，式中對數一般取2為底，單位為比特。但是，也可以取其它對數底，採用其它相應的單位，它們間可用換底公式換算。

最簡單的單符號信源僅取0和1兩個元素，即二元信源，其機率為P和Q=1-P，該信源的熵即為如圖1所示。

由圖可見，離散信源的信息熵具有：

①非負性：即收到一個信源符號所獲得的信息量應為正值，H(U)≥0

②對稱性：即對稱於P=0.5

③確定性：H(1,0)=0，即P=0或P=1已是確定狀態，所得信息量為零

④極值性：因H(U)是P的上凸函式，且一階導數在P=0.5時等於0，所以當P=0.5時，H(U)最大。

對連續信源，香農給出了形式上類似於離散信源的連續熵，雖然連續熵仍具有可加性，但不具有信息的非負性，已不同於離散信源。不代表連續信源的信息量。連續信源取值無限，信息量是無限大，而是一個有限的相對值，又稱相對熵。但是，在取兩熵的差值為互信息時，它仍具有非負性。這與力學中勢能的定義相仿。

圖1 二元信源的熵

信息含義

現代定義

信息是物質、能量、信息及其屬性的標示。【逆維納信息定義】

信息是確定性的增加。【逆香農信息定義】

信息是事物現象及其屬性標識的集合。【2002年】

最初定義

信息理論的鼻祖之一Claude E. Shannon把信息（熵）定義為離散隨機事件的出現機率。

所謂信息熵，是一個數學上頗為抽象的概念，在這裡不妨把信息熵理解成某種特定信息的出現機率。而信息熵和熱力學熵是緊密相關的。根據Charles H. Bennett對Maxwell's Demon的重新解釋，對信息的銷毀是一個不可逆過程，所以銷毀信息是符合熱力學第二定律的。而產生信息，則是為系統引入負（熱力學）熵的過程。所以信息熵的符號與熱力學熵應該是相反的。

一般而言，當一種信息出現機率更高的時候，表明它被傳播得更廣泛，或者說，被引用的程度更高。我們可以認為，從信息傳播的角度來看，信息熵可以表示信息的價值。這樣子我們就有一個衡量信息價值高低的標準，可以做出關於知識流通問題的更多推論。

計算公式

H(x) = E[I(x_i)] = E[ log(2,1/P(x_i)) ] = -∑P(x_i)log(2,P(x_i)) (i=1,2,..n)

其中，x表示隨機變數，與之相對應的是所有可能輸出的集合，定義為符號集,隨機變數的輸出用x表示。P(x)表示輸出機率函式。變數的不確定性越大，熵也就越大，把它搞清楚所需要的信息量也就越大.

《博弈聖經》

信息熵：信息的基本作用就是消除人們對事物的不確定性。多數粒子組合之後，在它似像非像的形態上押上有價值的數碼，具體地說，這就是一個在博弈對局中信息混亂的現象。

香農指出，它的準確信息量應該是

-(p1*log(2,p1) + p2 * log(2,p2) +　．．．　+p32 *log(2,p32))，

其中，p1，p2 ，　．．．，p32 分別是這 32 個球隊奪冠的機率。香農把它稱為“信息熵” (Entropy)，一般用符號 H 表示，單位是比特。

信息熵

有興趣的讀者可以推算一下當 32 個球隊奪冠機率相同時，對應的信息熵等於五比特。有數學基礎的讀者還可以證明上面公式的值不可能大於五。對於任意一個隨機變數 X（比如得冠軍的球隊），它的熵定義如下：

變數的不確定性越大，熵也就越大，把它搞清楚所需要的信息量也就越大。

信息熵是資訊理論中用於度量信息量的一個概念。一個系統越是有序，信息熵就越低；

反之，一個系統越是混亂，信息熵就越高。所以，信息熵也可以說是系統有序化程度的一個度量。

熵的概念源自熱物理學。

假定有兩種氣體a、b，當兩種氣體完全混合時，可以達到熱物理學中的穩定狀態，此時熵最高。如果要實現反向過程，即將a、b完全分離，在封閉的系統中是沒有可能的。只有外部干預（信息），也即系統外部加入某種有序化的東西（能量），使得a、b分離。這時，系統進入另一種穩定狀態，此時，信息熵最低。熱物理學證明，在一個封閉的系統中，熵總是增大，直至最大。若要使系統的熵減少（使系統更加有序化），則必須有外部能量的干預。

信息熵的計算是非常複雜的。而具有多重前置條件的信息，更是幾乎不能計算的。所以在現實世界中信息的價值大多是不能被計算出來的。但因為信息熵和熱力學熵的緊密相關性，所以信息熵是可以在衰減的過程中被測定出來的。因此信息的價值是通過信息的傳遞體現出來的。在沒有引入附加價值（負熵）的情況下，傳播得越廣、流傳時間越長的信息越有價值。

熵首先是物理學裡的名詞。

在傳播中是指信息的不確定性，一則高信息度的信息熵是很低的,低信息度的熵則高。具體說來，凡是導致隨機事件集合的肯定性，組織性，法則性或有序性等增加或減少的活動過程，都可以用信息熵的改變數這個統一的標尺來度量。