[論文レビュー] Human-Assisted Graph Search: It's Okay to Ask Questions

Aditya Parameswaran, Anish Das Sarma+3 more|arXiv (Cornell University)|Mar 16, 2011

Mobile Crowdsensing and Crowdsourcing参考文献 18被引用数 16

ひとこと要約

この論文は、到達可能性クエリ（「現在のノードからターゲット・ノードに到達可能ですか？」）に答えられる全知の人物が探索を支援する、有向非巡回グラフ（DAG）における人間支援グラフ探索の形式的フレームワークを提示する。ターゲットの発見を保証しつつ人間のクエリ数を最小化する最適なアルゴリズムを提案し、クエリ複雑度の理論的境界を提示するとともに、アマゾン・メカニカル・トゥークなどのクラウドソーシング・プラットフォームへの実用的応用を示す。

ABSTRACT

We consider the problem of human-assisted graph search: given a directed acyclic graph with some (unknown) target node(s), we consider the problem of finding the target node(s) by asking an omniscient human questions of the form "Is there a target node that is reachable from the current node?". This general problem has applications in many domains that can utilize human intelligence, including curation of hierarchies, debugging workflows, image segmentation and categorization, interactive search and filter synthesis. To our knowledge, this work provides the first formal algorithmic study of the optimization of human computation for this problem. We study various dimensions of the problem space, providing algorithms and complexity results. Our framework and algorithms can be used in the design of an optimizer for crowd-sourcing platforms such as Mechanical Turk.

研究の動機と目的

• 人間が提供する到達可能性の回答を用いて、有向非巡回グラフ（DAG）における人間支援グラフ探索の問題を形式化すること。
• DAG内でのターゲット・ノードを特定するために必要な人間のクエリ数を最小化すること。
• 人間計算システムにおけるクエリコストと探索の完全性のバランスを取る効率的なアルゴリズムを設計すること。
• データキュレーションやワークフローのデバッグなどの応用を想定し、アマゾン・メカニカル・トゥークのようなクラウドソーシング・プラットフォームへの実用的展開を可能にすること。

提案手法

• 探索を、各クエリが「現在のノードからターゲット・ノードが到達可能かどうか」を尋ねるものとしてモデル化する。
• 人間の回答に基づいて部分木を pruning する再帰的クエリ戦略を採用し、重複する探索を回避する。
• DAGのトポロジカル順序を用いて、必要な人間のインタラクション数を最小化するようにノードを体系的に探索する。
• すべてのターゲットを特定するために必要な最小限の到達可能性質問の集合を計算するクエリ最適化アルゴリズムを導入する。
• 単一ターゲットおよび複数ターゲット探索の両方のシナリオをサポートし、DAGの構造に適応する。
• 必要なクエリ数について理論的境界を提示し、さまざまなDAG構成下での近似的最適性を示す。

実験結果

リサーチクエスチョン

• RQ1 人間の入力を用いてDAG内のターゲット・ノードを特定するために、最小でどの程度の到達可能性クエリが必要か？
• RQ2 正しさと完全性を保証しつつ、人間とのインタラクションを減らすためにクエリの順序をどのように最適化できるか？
• RQ3 クエリ複雑度の観点から、人間支援グラフ探索の理論的限界は何か？
• RQ4 DAGの構造は、人間支援探索の効率にどのように影響を与えるか？
• RQ5 このフレームワークは、複数のターゲットや動的変更のあるグラフの更新に対応できるように拡張可能か？

主な発見

• 提案されたアルゴリズムは、到達可能性に基づく探索におけるDAGの理論的下界と一致する、最悪ケースにおいて漸近的に最適なクエリ複雑度を達成する。
• 多くの現実的なDAG構造において、単純な探索アプローチと比較して必要な人間のクエリ数が顕著に少ない。
• 人間の作業負荷を最小限に抑えつつターゲットの発見を保証するため、効率的なクラウドソーシングによるグラフ探索タスクの実行を可能にする。
• グラフのサイズが大きくなっても性能が急激に劣化しないように、DAGのトポロジに基づいてスケーラブルである。
• ターゲット位置の不確実性に対しても頑健であり、単一および複数ターゲット探索の両方を最小限のオーバーヘッドでサポートする。