[論文レビュー] Cost-Sharing in Bayesian Knowledge Bases

Solomon Eyal Shimony, Carmel Domshlak+1 more|arXiv (Cornell University)|Feb 6, 2013

Bayesian Modeling and Causal Inference参考文献 3被引用数 12

ひとこと要約

本稿では、循環的因果グラフを扱えるように、CharniakとHusainのWAODAGs向けアプローチを一般化した、ベイジアン知識ベース（BKBs）のための新規コスト共有ヒューリスティクスを提案する。コスト共有方程式を連立一次方程式系としてモデル化することで、妥当性を保証し、BKBにおける推論性能を顕著に向上させる。実験的結果では、最も確率の高い説明（MPE）を求める際の高速化が顕著に示された。

ABSTRACT

Bayesian knowledge bases (BKBs) are a generalization of Bayes networks and weighted proof graphs (WAODAGs), that allow cycles in the causal graph. Reasoning in BKBs requires finding the most probable inferences consistent with the evidence. The cost-sharing heuristic for finding least-cost explanations in WAODAGs was presented and shown to be effective by Charniak and Husain. However, the cycles in BKBs would make the definition of cost-sharing cyclic as well, if applied directly to BKBs. By treating the defining equations of cost-sharing as a system of equations, one can properly define an admissible cost-sharing heuristic for BKBs. Empirical evaluation shows that cost-sharing improves performance significantly when applied to BKBs.

研究の動機と目的

• 循環的因果グラフを許容するベイジアン知識ベース（BKBs）にコスト共有ヒューリスティクスを適用する課題に対処すること。BKBsはベイズネットやWAODAGsを一般化し、循環的因果構造を許容する。
• 循環構造におけるコスト共有の本質的不整合性を解消するため、コスト共有を方程式系として定式化すること。
• 得られるヒューリスティクスが、BKBにおける最も確率の高い説明の探索において妥当かつ効果的であることを保証すること。
• 提案手法の性能向上を、BKB推論におけるベースライン手法と比較して実験的に評価すること。

提案手法

• 循環的BKBにおける循環的依存関係を解消するために、コスト共有ヒューリスティクスの定義方程式を連立一次方程式系として扱いなおす。
• 方程式系を解くことで、ノードに対する一貫性のあるコスト値を計算し、ヒューリスティクスの妥当性を保証する。
• WAODAGsにおける元のコスト共有フレームワークをBKBsに拡張するが、最小コスト説明計算の意味論を保持する。
• 方程式系の解が、効率的に最も確率の高い説明へ向かう探索を誘導するヒューリスティクスを提供する。
• 計算されたコストが真のコストを過大評価しないことを保証することで、妥当性を維持する。これは妥当性の重要な要件である。
• BKBインスタンスを用いた実験的評価により、推論時間および探索効率の向上を測定する。

実験結果

リサーチクエスチョン

• RQ1 循環的因果グラフを有するベイジアン知識ベースに、コスト共有ヒューリスティクスをどのように適応させることができるか？
• RQ2 循環が存在する状況下で、コスト共有ヒューリスティクスの妥当性を保証する数学的定式化は何か？
• RQ3 提案手法は、ベースライン手法と比較して、BKBにおける最も確率の高い説明の探索効率を向上させるか？
• RQ4 方程式系の定式化は、循環構造におけるヒューリスティクス品質の安定化と向上にどの程度寄与するか？
• RQ5 一般化されたコスト共有ヒューリスティクスは、高速な推論を可能にしつつ、整合性を保つことができるか？

主な発見

• 方程式系を用いて定義された提案されたコスト共有ヒューリスティクスは、循環的BKBにおける循環的依存関係の問題を解消し、妥当性を有する。
• 実験的評価により、コスト共有ヒューリスティクスがBKBにおける推論性能を顕著に向上させることを示した。
• 一貫性があり循環に強く耐性のあるコスト推定値を用いることで、最も確率の高い説明の効率的計算が可能になった。
• 方程式系の定式化により、コスト推定値が一貫性があり有界であることが保証され、ヒューリスティクスの正しさが維持された。
• 探索空間の削減および収束速度の観点で、非ヒューリスティクス的または単純なコスト共有手法よりも優れた性能を示した。
• 結果から、ヒューリスティクスが実用的なBKB推論タスクにおいて有効かつスケーラブルであることが確認された。