[論文レビュー] An N Time-Slice Dynamic Chain Event Graph

Rodrigo A. Collazo, Jim Q. Smith|arXiv (Cornell University)|Aug 17, 2018

Bayesian Modeling and Causal Inference参考文献 31被引用数 4

ひとこと要約

本稿では、文脈に依存する条件付き独立性を有する時刻均一マルコフ過程をモデル化することを目的とした、動的チェーンイベントグラフ（DCEG）の新規部分クラス、N 時刻スライス動的チェーンイベントグラフ（N T-DCEG）を導入する。有限のオブジェクトが無限の木構造によって接続される仕組みを活用することで、N T-DCEG は複雑な多次元動的過程をコン act かつ解釈可能かつ因果的に解釈可能な形でモデル化可能であり、動的ベイジアンネットワーク（DBNs）がこのモデルクラスの特殊ケースとして明示的な関係を有する。

ABSTRACT

The Dynamic Chain Event Graph (DCEG) is able to depict many classes of discrete random processes exhibiting asymmetries in their developments and context-specific conditional probabilities structures. However, paradoxically, this very generality has so far frustrated its wide application. So in this paper we develop an object-oriented method to fully analyse a particularly useful and feasibly implementable new subclass of these graphical models called the N Time-Slice DCEG (NT-DCEG). After demonstrating a close relationship between an NT-DCEG and a specific class of Markov processes, we discuss how graphical modellers can exploit this connection to gain a deep understanding of their processes. We also show how to read from the topology of this graph context-specific independence statements that can then be checked by domain experts. Our methods are illustrated throughout using examples of dynamic multivariate processes describing inmate radicalisation in a prison.

研究の動機と目的

• 動的過程の厳密なモデル化を妨げていた元来の動的チェーンイベントグラフ（DCEG）フレームワークにおけるトポロジカルな曖昧性を解消すること。
• 時刻均一マルコフ過程を特に目的とした、DCEG の新たな実用的部分クラスである N 時刻スライス DCEG（N T-DCEG）を構築すること。
• 有限の構成要素が無限の木構造によってネットワーク化される方法を用いて、N T-DCEG の構築と解釈を可能にする手法を提供することにより、無限のプロセスのスケーラブルなモデル化を実現すること。
• N T-DCEG と動的ベイジアンネットワーク（DBNs）との間の正式な関係を確立し、DBNs がこの新しいモデルクラスの特殊ケースであることを示すこと。
• ドメインの専門家がグラフのトポロジーから直接文脈に依存する独立性に関する記述を読み取り、モデルの妥当性評価と因果的解釈を容易にできること。

提案手法

• 従来の定式化に見られるトポロジカルな曖昧性を解消するため、DCEG の基礎的定義を再考する。
• 有限のイベントツリー $\mathcal{T}_{-1}$ と繰り返し構造 $\mathcal{T}$ を用いて定義される時刻順序グラフ（TOG）構造に基づき、N T-DCEG モデルクラスを導入し、周期的かつ時刻均一なモデル化を可能にする。
• 色付きの辺を用いて条件付き確率を符号化する段階的ツリー表現 $\mathcal{ST}$ を使用し、同型写像による簡約化によって、有限で循環的な DCEG グラフに統合する。
• 部分ツリー間のグラフィカルおよび確率的同型写像を用いて、時間スライス間で時刻均一性と構造的一致性を保証する。
• 時間スライス間での位置を追跡する写像関数 $f_t$ を適用し、同一のプロセス行動が等価なグラフ位置で表現されることを保証する。
• CEG 内の「位置」の概念を活用し、トポロジカル同型性を用いて文脈に依存する条件付き独立性を同定および検証する。

実験結果

リサーチクエスチョン

• RQ1 元来の DCEG フレームワークにおけるトポロジカルな曖昧性は、どのように解消可能であり、動的過程の厳密なモデル化を可能にするか？
• RQ2 N T-DCEG と呼ばれる DCEG の新たな実用的部分クラスの構造的および正式な定義は何か？ これは時刻均一マルコフ過程をサポートする。
• RQ3 有限のグラフィカルモデルは、文脈に依存する条件付き独立性と時刻均一性を保持しつつ、どのように無限の動的過程を表現できるか？
• RQ4 動的ベイジアンネットワーク（DBNs）のクラスは、提案された N T-DCEG モデルのどの点で特殊ケースとして成立するか？
• RQ5 ドメインの専門家は、N T-DCEG のグラフトポロジーから直接文脈に依存する独立性に関する記述を抽出し、妥当性を検証できるか？

主な発見

• N T-DCEG モデルは、周期性と時刻均一性を活用することで、無限の動的過程を有限で循環的なグラフィカル表現として表現し、スケーラブルなモデル化を可能にする。
• 同じ位置にある状況の段階的部分ツリー間の正式な同型写像を確立し、時間スライス間で一貫した確率的行動を保証する。
• 本稿では、CEG $\mathbb{C}_T$ 内の2つの状況が同じ位置にある場合、時刻均一性と TOG 構造の下で、すべての $t \geq N-1$ に対してそれらから展開されるプロセスが同一であることを証明する。
• 動的ベイジアンネットワーク（DBNs）のクラスが、正式に N T-DCEG の特殊ケースとして示され、その一般性と既存モデルとの整合性が裏付けられる。
• 文脈に依存する条件付き独立性は、N T-DCEG のグラフトポロジーから直接読み取ることができ、ドメインの専門家による明示的かつグラフィカルな妥当性評価が可能になる。
• モデルは因果的解釈と学習をサポートし、解釈性を損なわず、DBNs よりもより解釈可能な文脈に依存するモデルに置き換えることで、より洗練されたモデル化が可能になる。