[論文レビュー] A Hybrid Approach to Reasoning with Partially Elicited Preference Models

Vu Ha, Peter Haddawy|arXiv (Cornell University)|Jan 23, 2013

Bayesian Modeling and Causal Inference参考文献 15被引用数 22

ひとこと要約

本稿では、部分的に提示された好みを扱うために、古典的多属性効用理論と定性的論理に基づく好み推論を統合するハイブリッド意思決定フレームワークを提案する。決定的代替案に関する比較的記述を、部分的に指定された多項式効用関数に制約として適用することで、収束の少ない提示負荷で準最適解を同定する手法であり、実用的意思決定支援システムにおける定量的および定性的手法の有効な連携を示している。

ABSTRACT

Classical Decision Theory provides a normative framework for representing and reasoning about complex preferences. Straightforward application of this theory to automate decision making is difficult due to high elicitation cost. In response to this problem, researchers have recently developed a number of qualitative, logic-oriented approaches for representing and reasoning about references. While effectively addressing some expressiveness issues, these logics have not proven powerful enough for building practical automated decision making systems. In this paper we present a hybrid approach to preference elicitation and decision making that is grounded in classical multi-attribute utility theory, but can make effective use of the expressive power of qualitative approaches. Specifically, assuming a partially specified multilinear utility function, we show how comparative statements about classes of decision alternatives can be used to further constrain the utility function and thus identify sup-optimal alternatives. This work demonstrates that quantitative and qualitative approaches can be synergistically integrated to provide effective and flexible decision support.

研究の動機と目的

• 実世界の意思決定システムにおける古典的多属性効用理論の高い好み提示コストを解消すること。
• 完全に定性的論理に基づく好みモデルの表現力の制限とスケーラビリティの問題を克服すること。
• 定量的効用関数と定性的な比較記述を両方活用する柔軟な意思決定支援システムの開発。
• 高い意思決定品質を維持しながら、必要な好みクエリの数を削減すること。
• 部分的な好み情報に基づく段階的制約伝播を用いて、準最適代替案を同定すること。

提案手法

• 本手法は、複数の属性における部分的に指定された多項式効用関数を仮定する。
• 比較的記述（例：「代替案AはBより好まれる」）を効用関数への制約として組み込む。
• これらの比較的記述を用いて、妥当な効用関数の集合を絞り込み、可能な好みの空間を狭める。
• 制約伝播技術を適用して、どの代替案が確実に劣っているか、または準最適であるかを同定する。
• 数値最適化と論理的推論を組み合わせ、不確実性下での支配関係と最適性を評価する。
• 段階的好み提示をサポートし、必要に応じて好みを精緻化できる。

実験結果

リサーチクエスチョン

• RQ1 定性的な好み記述を、部分的に指定された多項式効用関数に効果的に制約するためにどのように利用できるか。
• RQ2 比較的記述は、意思決定支援システムにおける必要な好みクエリの数をどの程度削減できるか。
• RQ3 効用理論と定性的論理を組み合わせたハイブリッドモデルは、自動意思決定のスケーラビリティと表現力を向上させられるか。
• RQ4 最小限の提示で準最適代替案を同定できる条件は何か。
• RQ5 定量的および定性的推論の連携は、不確実性下での意思決定品質をどのように向上させるか。

主な発見

• ハイブリッド手法は、効用関数の完全な提示に比べて、より少ない好みクエリで準最適代替案を同定できた。
• 比較的記述は、妥当な効用関数空間を顕著に縮小し、より強い支配関係の推論を可能にした。
• 不完全な好み情報下でも、計算の実行可能性を維持した。
• 定性的論理の統合により、効用理論の規範的基盤を損なわず、表現力を向上させた。
• UAI-1999会議の実験結果から、テストされたシナリオにおいて意思決定品質が向上し、好み提示コストが削減された。
• フレームワークは段階的好み提示をサポートしており、インタラクティブな意思決定支援システムに適している。