[論文レビュー] Conditional Utility, Utility Independence, and Utility Networks

Yoav Shoham|arXiv (Cornell University)|Feb 6, 2013

Bayesian Modeling and Causal Inference参考文献 3被引用数 5

ひとこと要約

本稿では、確率的対応物と一致するように、条件付き効用および効用独立性を再解釈する新しい枠組みを提示する。これは、確率分布と同様に構造化された効用分布を用いることで実現される。また、多属性効用関数のコンパクトでグラフィカルな表現として、効用ネットワークを提案する。これはベイジアンネットワークに類似した効率的なモデリングと推論を可能にするもので、加法的効用構造および独立性の性質に基づく明確な理論的基盤を有する。

ABSTRACT

We introduce a new interpretation of two related notions - conditional utility and utility independence. Unlike the traditional interpretation, the new interpretation renders the notions the direct analogues of their probabilistic counterparts. To capture these notions formally, we appeal to the notion of utility distribution, introduced in previous paper. We show that utility distributions, which have a structure that is identical to that of probability distributions, can be viewed as a special case of an additive multiattribute utility functions, and show how this special case permits us to capture the novel senses of conditional utility and utility independence. Finally, we present the notion of utility networks, which do for utilities what Bayesian networks do for probabilities. Specifically, utility networks exploit the new interpretation of conditional utility and utility independence to compactly represent a utility distribution.

研究の動機と目的

• 条件付き効用および効用独立性を、それらの確率的類似物に類似する形で再定義すること。
• 加法的多属性効用関数の特別な場合として、効用分布を形式化すること。
• 複雑な効用構造のコンパクトな表現を可能にする図的フレームワーク—効用ネットワーク—を構築すること。
• ベイジアンネットワークに類似した構造に依存したモデリングを通じて、効率的な効用に基づく意思決定を可能にすること。
• スケーラブルな推論を支援するように、効用独立性と条件付き効用の間の明確な形式的関係を確立すること。

提案手法

• 本稿では、多属性効用の構造的表現として、結合確率分布に類似した効用分布を導入する。
• 条件付き効用を、条件付き確率に類似した関数として定義し、文脈に応じた効用評価を可能にする。
• 効用独立性は、効用分布の構造を通じて再解釈され、効用関数のモジュラーな分解を可能にする。
• 複数の属性における好みのモデリングに、独立性制約を伴う加法的多属性効用関数を活用する。
• 条件付き効用および独立性関係を有向非巡回グラフに符号化することで、ベイジアンネットワークに類似した効用ネットワークを構築する。
• 図的構造により、高次元の効用関数の効率的推論とコンパクトな表現が可能になる。

実験結果

リサーチクエスチョン

• RQ1 条件付き効用を、形式的かつ一貫的に、条件付き確率に類似する形で再解釈することは可能か？
• RQ2 効用独立性は、どのような意味で確率的条件付き独立性に類似する形で再定義可能か？
• RQ3 効用分布を加法的多属性効用関数の特別な場合として形式化できるか？
• RQ4 効用分布の構造をどのように活用して、コンパクトで図的モデルとしての効用モデルを構築できるか？
• RQ5 表現および推論の観点から、効用ネットワークとベイジアンネットワークの間には、どのような形式的関係があるか？

主な発見

• 効用分布が加法的多属性効用関数の特別な場合として形式的に示され、効用モデリングの統一的構造が提供される。
• 条件付き効用は、条件付き確率に直接類似する形で再定義され、一貫性があり解釈可能な文脈特有の効用評価が可能になる。
• 効用独立性は、効用分布の観点から再解釈され、モジュラーかつスケーラブルな効用表現が可能になる。
• 効用ネットワークは、確率のためのベイジアンネットワークに類似した図的モデルとして導入され、コンパクトで効率的な表現を可能にする。
• 条件付き独立性およびモジュラー構造を活用することで、多属性効用関数における効率的推論が可能になる。
• このアプローチにより、人間が解釈可能な形で、かつ計算的に扱いやすい形で、複雑で高次元の好みを表現できる。