[論文レビュー] Beyond Adaptive Submodularity: Approximation Guarantees of Greedy Policy with Adaptive Submodularity Ratio

Kaito Fujii, Shinsaku Sakaue|arXiv (Cornell University)|Apr 24, 2019

Auction Theory and Applications被引用数 16

ひとこと要約

本稿では、適応的サブモジュラリティを越えてグリーディ方針の近似保証を拡張する、新しい理論的枠組みである「適応的サブモジュラリティ比」を導入する。適応的目的関数がサブモジュラリティにどれほど近いかを定量化することで、適応的インフルエンス最大化や特徴選択といった問題において、グリーディアルゴリズムのタイトな近似境界を可能にし、従来の手法が失敗する状況でも定数因子の保証を達成する。

ABSTRACT

We propose a new concept named adaptive submodularity ratio to study the greedy policy for sequential decision making. While the greedy policy is known to perform well for a wide variety of adaptive stochastic optimization problems in practice, its theoretical properties have been analyzed only for a limited class of problems. We narrow the gap between theory and practice by using adaptive submodularity ratio, which enables us to prove approximation guarantees of the greedy policy for a substantially wider class of problems. Examples of newly analyzed problems include important applications such as adaptive influence maximization and adaptive feature selection. Our adaptive submodularity ratio also provides bounds of adaptivity gaps. Experiments confirm that the greedy policy performs well with the applications being considered compared to standard heuristics.

研究の動機と目的

• 適応的確率的最適化におけるグリーディ方針の実験的成功と理論的分析の間のギャップを埋めること。
• 適応的サブモジュラリティを越えて、非適応的サブモジュラリティでない問題に対するグリーディアルゴリズムを分析する理論的枠組みを構築すること。
• 適応的インフルエンス最大化や特徴選択などの応用分野におけるグリーディ方針の近似保証および適応的ギャップの境界を提供すること。
• 目的関数が適応的サブモジュラリティからどれほど離れているかを定量化する新しい指標「適応的サブモジュラリティ比」を定義すること。

提案手法

• 適応的目的関数がサブモジュラリティにどれほど近いかを測る指標として、適応的サブモジュラリティ比を提案する。
• この比を用いて、適応的グリーディアルゴリズムの近似保証を導出し、比がαである場合に(1 - exp(-α))近似が達成されることを示す。
• 適応的サブモジュラリティ比を用いて適応的ギャップの境界を確立し、適応的方針と非適応的方針の利点を定量化する。
• 2つの主要な問題にこの枠組みを適用する：トリガー・モデルにおける適応的インフルエンス最大化と適応的特徴選択。
• これらの応用分野における適応的サブモジュラリティ比の下界を導出し、一部のケースでタイトさを証明する。
• 従来の概念である弱適応的サブモジュラリティとは異なり、特にそれらが近似比を束縛できない状況においても、本フレームワークが優れていることを示す。

実験結果

リサーチクエスチョン

• RQ1 適応的確率的最適化問題において、適応的サブモジュラリティを満たさない場合でも、グリーディ方針の理論的近似保証を提供できるか？
• RQ2 適応的設定におけるサブモジュラリティの度合いを捉える指標をどのように定義し、そのような保証を可能にするか？
• RQ3 新しい枠組みのもとで、適応的インフルエンス最大化および特徴選択におけるグリーディ方針の近似比と適応的ギャップは何か？
• RQ4 弱適応的サブモジュラリティといった既存の概念と比較して、提案された適応的サブモジュラリティ比は理論的強度と適用可能性においてどのように優れているか？
• RQ5 従来の手法が失敗する実用的応用において、本フレームワークが非自明な境界を導けるか？

主な発見

• 適応的グリーディ方針は、αが適応的サブモジュラリティ比である場合に(1 - exp(-α))近似保証を達成し、適応的サブモジュラリティ関数を越えて理論的妥当性を拡張する。
• トリガー・モデルにおける適応的インフルエンス最大化では、適応的サブモジュラリティ比が(k+1)/(2k)以上に下界され、定数近似比1 - exp(-(k+1)/(2k))が得られる。
• 適応的特徴選択では、適応的サブモジュラリティ比がλ_min,k+ℓ / λ_max,k+ℓ以上に下界され、非自明な近似保証が得られる。
• 本フレームワークは、トリガー・モデルにおける適応的ギャップに対してタイトな境界を提供し、適応的方針が非適応的方針を上回ることを示す。
• 弱適応的サブモジュラリティは、例えばO(1/k)といった自明な境界をもたらすことがあるが、適応的サブモジュラリティ比は定数因子の近似保証を提供する。
• 実験により、グリーディ方針が適応的インフルエンス最大化および特徴選択において実際によく動作することが確認され、理論的結果の妥当性が裏付けられる。