[論文レビュー] Bayesian/Graphoid intersection property for factorisation models

Grégoire Sergeant-Perthuis|arXiv (Cornell University)|Mar 14, 2019

Bayesian Modeling and Causal Inference参考文献 6被引用数 5

ひとこと要約

本稿は、要因分解モデルにおける一般化された交差性質を確立する—Pearlのグラフイoid交差性質を階層的モデル部分空間へと拡張し、非有限グラフへ一般化されたHammersley-Clifford定理の新規証明を用いて、条件付き独立性の直接的な幾何的解釈を可能にする。主な貢献は、要因分解モデルにおける交差性質を用いたベクトル空間の分解を統一的に扱うフレームワークを提供することにある。

ABSTRACT

We remark that Pearl's Graphoid intersection property, also called intersection property in Bayesian networks, is a particular case of a general intersection property, in the sense of intersection of coverings, for factorisation spaces, also coined as factorisation models, factor graphs or by Lauritzen in his reference book 'Graphical Models' as hierarchical model subspaces. A particular case of this intersection property appears in Lauritzen's book as a consequence of the decomposition into interaction subspaces; the novel proof that we give of this result allows us to extend it in the most general setting. It also allows us to give a direct and new proof of the Hammersley-Clifford theorem transposing and reducing it to a corresponding statement for graphs, justifying formally the geometric intuition of independency, and extending it to non finite graphs. This intersection property is the starting point for a generalization of the decomposition into interaction subspaces to collections of vector spaces.

研究の動機と目的

• ベイジアンネットワークを超えて、要因分解モデルの広いクラスへまで、Pearlのグラフイoid交差性質を一般化すること。
• 条件付き独立性の幾何的直観を形式化するために、Hammersley-Clifford定理をグラフ論的文言に還元することで、直接的で新規な証明を提供すること。
• 交差性質を基盤として用いることで、任意のベクトル空間の集合に対する相互作用部分空間への分解を拡張すること。
• 要因分解空間における交差性質を通じて、非有限グラフィカルモデルにおける条件付き独立性の厳密な基礎を確立すること。

提案手法

• 要因分解空間の文脈において交差性質を形式化し、Lauritzenのグラフィカルモデルにおけるそれらに類似した階層的モデル部分空間として扱う。
• 被覆論からの一般化された交差性質を要因分解モデルに適用し、条件付き独立性に対するその帰結を導出する。
• 新規な証明技法を用いて、Hammersley-Clifford定理を有限集合の仮定に依存しないグラフ論的記述に変換する。
• 交差性質を基盤とすることで、ベクトル空間の集合に対する相互作用部分空間への分解を拡張する。
• 要因分解モデルにおける条件付き独立性とグラフの構造的性質との間の対応を確立し、幾何的解釈を可能にする。
• 交差性質を応用して、有限から非有限グラフへの結果の一般化を実現し、モデル部分空間の代数的構造の整合性を保つ。

実験結果

リサーチクエスチョン

• RQ1 グラフイoid交差性質は、ベイジアンネットワークを超えて要因分解モデルへどのように一般化できるか？
• RQ2 Hammersley-Clifford定理は、有限性の仮定を避けながら、グラフ論的議論によって直接的に再証明可能か？その幾何的直観を正当化できるか？
• RQ3 交差性質は、任意のベクトル空間の集合に対する相互作用部分空間への分解において、果たす役割は何か？
• RQ4 要因分解モデルの理論は、非有限グラフへどのように拡張可能か？その際、条件付き独立性の性質を保持できるか？
• RQ5 要因分解空間における被覆の交差とグラフィカルモデルの構造との間の正式な関係は何か？

主な発見

• 本稿は、要因分解モデルにおける一般化された交差性質を確立し、Pearlのグラフイoid交差性質を特別な場合として包含する。
• Hammersley-Clifford定理の新規で直接的な証明が、グラフ論的記述に還元することで得られ、条件付き独立性の幾何的直観に対する形式的根拠が与えられる。
• 交差性質を基盤とすることで、任意のベクトル空間の集合に対する相互作用部分空間への分解が一般化される。
• フレームワークは非有限グラフへ自然に拡張され、有限の場合を超えた条件付き独立性の妥当性が保たれる。
• 交差性質により、有限および無限のグラフィカルモデルの両方において、条件付き独立性の統一的取り扱いが要因分解空間の観点から可能になる。
• 本研究の結果は、階層的モデル部分空間における条件付き独立性の理解に、厳密な代数的・幾何的基盤を提供する。