[論文レビュー] A factorization criterion for acyclic directed mixed graphs

Thomas S. Richardson|arXiv (Cornell University)|Jun 26, 2014

Bayesian Modeling and Causal Inference参考文献 9被引用数 11

ひとこと要約

この論文は、潜在変数を含むDAGモデルの条件付きインデペンダンス構造をモデル化するために用いられる、非巡回有向混合グラフ（ADMG）の要因分解基準を導入する。この基準により、d-分離を用いたグローバル・マークフ・プロパティの完全な特徴付けが可能となり、半マルコフ確率場における確率的依存関係の表現と推論を容易にする。

ABSTRACT

Acyclic directed mixed graphs, also known as semi-Markov models represent the conditional independence structure induced on an observed margin by a DAG model with latent variables. In this paper we present a factorization criterion for these models that is equivalent to the global Markov property given by (the natural extension of) d-separation.

研究の動機と目的

• 非巡回有向混合グラフ（ADMG）におけるグローバル・マークフ・プロパティを完全に特徴付ける要因分解基準を確立すること。
• 潜在変数を含むDAGから導出される半マルコフモデルのための実用的な確率的表現を提供すること。
• DAGにおけるd-分離基準をADMGに拡張し、条件付きインデペンダンス構造を保持する方法を提示すること。
• ADMGモデルにおける条件付きインデペンダンスの推論のための、d-分離の計算的に実行可能な代替手段を提供すること。
• 要因分解に基づくアプローチを用いて、潜在変数モデルにおける条件付きインデペンダンスの表現を統一すること。

提案手法

• 有向辺と双方向辺を含む非巡回有向混合グラフ（ADMG）の構造に基づいた要因分解基準を開発する。
• グラフのトポロジーに基づいて、局所的成分に分割する要因分解ルールを定義する。
• 提案された要因分解と、潜在変数を含むDAGにおけるd-分離によって定義されたグローバル・マークフ・プロパティとの同等性を確立する。
• ADMGにおけるd-分離の自然な拡張を用いて、要因分解に埋め込まれた条件付きインデペンダンス制約を導出する。
• 要因分解基準が、潜在変数を含む元のDAGの分布的制約を特徴付けるために必要かつ十分であることを示す。
• ADMGに関連する指数型分布族の標準パrameterizationを導出するために、この基準を適用する。

実験結果

リサーチクエスチョン

• RQ1 非巡回有向混合グラフに、グローバル・マークフ・プロパティを完全に捉える要因分解基準を定義できるか？
• RQ2 潜在変数DAGモデルの文脈において、要因分解基準はd-分離とどのように関係するか？
• RQ3 提案された要因分解は、潜在変数を含むDAGが誘導する条件付きインデペンダンス構造と同等か？
• RQ4 要因分解は、ADMGにおける確率的推論のためのd-分離の計算的に効率的な代替手段として使用可能か？
• RQ5 確率分布がADMGに従って要因分解するための必要十分条件は何か？

主な発見

• 提案された要因分解基準は、非巡回有向混合グラフにおけるd-分離によって定義されたグローバル・マークフ・プロパティと数学的に同等である。
• 要因分解は、潜在変数を含む半マルコフモデルにおける条件付きインデペンダンス構造を完全かつ実用的に表現する。
• 要因分解により、d-分離パスの列挙を必要とせずに、条件付きインデペンダンス関係の効率的計算が可能になる。
• 要因分解は、潜在変数を含む元のDAGが課す分布的制約を特徴付けるために、必要かつ十分である。
• 本手法は、DAGの要因分解をADMGに一般化し、条件付きインデペンダンスの確率的意味論を保持する。
• 本研究の結果は、ADMG表現を用いた潜在交絡要因を含むモデルにおける推論と学習のための堅実な基盤を確立する。