[論文レビュー] Generating Explanations for Evidential Reasoning

Hòng Xu, Philippe Smets|arXiv (Cornell University)|Feb 20, 2013

Bayesian Modeling and Causal Inference参考文献 9被引用数 6

ひとこと要約

本稿では、信念関数の伝播と価値ベースシステムにおける証拠的推論の説明を生成するための2つの新しい手法を提案する：信念関数伝播における感度分析と、情報量に基づく影響評価。このアプローチにより、不確実な環境下でも透明性があり解釈可能な推論が可能となり、条件付き独立な証拠に対して理論的に加法性が保証される。実例として証拠ネットワークの応用が示された。

ABSTRACT

In this paper, we present two methods to provide explanations for reasoning with belief functions in the valuation-based systems. One approach, inspired by Strat's method, is based on sensitivity analysis, but its computation is simpler thus easier to implement than Strat's. The other one is to examine the impact of evidence on the conclusion based on the measure of the information content in the evidence. We show the property of additivity for the pieces of evidence that are conditional independent within the context of the valuation-based systems. We will give an example to show how these approaches are applied in an evidential network.

研究の動機と目的

• 信念関数を用いる証拠的推論システムにおける解釈可能な説明のニーズに対処すること。
• 証拠の変更に対する感度分析を通じて、信念関数伝播の透明性を向上させること。
• 情報量の測定を用いて、個々の証拠の影響を定量化すること。
• 条件付き独立な証拠に対して加法性を示すような理論的性質を確立すること。
• 実世界の証拠ネットワーク応用において、これらの手法を実証すること。

提案手法

• ストラットの感度分析アプローチを適応するが、価値ベースシステムへの実装を容易にするために計算を簡素化する。
• 各証拠が最終的な結論に与える寄与度を評価するための情報量測定を導入する。
• 不確実性の管理と効率的な伝播を実現するため、両手法を価値ベースシステムの枠組み内で統合する。
• 複数の証拠の影響が加法的になる条件を示すために、条件付き独立性の仮定を用いる。
• 信念関数理論を用いて、到着する証拠に基づいて信念度を表現および更新する。
• 証拠ネットワークにおける具体的な事例を通じて、手法の妥当性を検証し、段階的な説明生成の様子を示す。

実験結果

リサーチクエスチョン

• RQ1 信念関数推論に適用するにあたり、解釈力に損なわれることなく、感度分析をどのように簡素化できるか。
• RQ2 個々の証拠が結論に与える影響を効果的に定量化するための情報量の測定は何か。
• RQ3 複数の証拠の影響が結論に対して加法的になる条件は何か。
• RQ4 価値ベースシステムにおける信念関数の更新に対して、どのように体系的な説明を生成できるか。
• RQ5 これらの手法は、実際の証拠ネットワークで実用的に適用可能であり、実証可能か。

主な発見

• 提案された感度分析手法は、ストラットの元来のアプローチよりも計算が単純化されており、解釈可能性を損なわない。
• 情報量測定は、各証拠が最終的な信念状態に与える寄与度を体系的かつ整合的な方法で評価する手段を提供する。
• 条件付き独立な証拠のペアに対しては加法性の性質が成り立つため、複数証拠の組み合わせに対するモジュラーな説明が可能になる。
• ケーススタディを通じて、これらの手法が証拠ネットワークに実際に適用され、実用的な説明生成が成功した。
• このフレームワークは、信念関数を用いて不確実な環境下でも透明性があり追跡可能な推論を可能にする。
• 結果として、構造的（感度）および定量的（情報量）な観点から、説明を体系的に導出可能であることが示された。