Probabilistic Graphical Models 题目求教

大家好，不知最近有人在上coursera上Stanford开的probabilistic graphical model这门课吗？我有两道题已经stuck很久了，非常希望能得到指教！！
第一题：大概意思是，有一个directed graph G，从中删除一条边构成新的directed graph G'. 问一下哪个或哪几个选项正确：
1. There is a probability distribution P that factorizes over G that also factorizes over G'
2. There is a probability distribution P that factorizes over G' that also factorizes over G
3. There is no probability distribution P that factorizes over G' that would also factorizes over G and vice versa.
4. If graph is undirected, then the option you choose is also applicable.


本人选了1，因为我觉得没有edge imply了variable间的independence，有edge不代表两个variable间肯定有dependence，所以P如果factorize over G，从G中删除一个边，P应该还能factorize over G'


第二题：问的是用CRF解决OCR这个问题的template model相对于non-template model的优势。template-model有两个feature，一个是图片手写字母到实际字母的预测，一个是两个字母一起出现的概率。template model的话，对于所有的图片字母，用的都是同一个模型得出potential，两个字母出现的概率也用的是同一个模型的输出结果。但是对于non-template model，一个词中的每个手写字母到字母预测的potential不同，每两个字母出现的概率也不是用的同一个模型输出的结果。
1. Parameter-sharing可以缓解overfitting，尤其是训练集不大的情况下
2. template model可以model position-specific的特征，比如qu更有可能出现在一个词的开头
3. 同一个template model可以应用于不同长度的手写单词的预测
4. inference的速度更快


本人选了1，3，4. 因为感觉non-template model明显feature数量多很多，所以inference自然慢，且更容易overfit。因为template model feature的值并不会因为字幕出现在一个词中的不同位置或者不同的词中而不一样，所以可以应用于不同长度的手写单词的预测。而template model只能告诉我“qu”出现在一起的概率大于“qa”出现在一起的概率，并不能告诉我更有可能出现在单词开头。


两道题都错了，非常急切求教！！定会慷慨加大米，多谢！