[論文レビュー] Magic Inference Rules for Probabilistic Deduction under Taxonomic Knowledge

Thomas Lukasiewicz|arXiv (Cornell University)|Jan 30, 2013

Bayesian Modeling and Causal Inference参考文献 23被引用数 8

ひとこと要約

本稿は、分類的知識と確率的知識の下で、特に結合的事象に対して、確率的推論のための新たな局所的完全性を持つ推論規則のセットを導入する。これらの規則は局所的完全性を持つものの、著者らはそれらがグローバルに不完全であることを示しており、整然とした知識ベースであっても反復的推論規則を確率的推論に用いる際の根本的な制限を明らかにする。

ABSTRACT

We present locally complete inference rules for probabilistic deduction from taxonomic and probabilistic knowledge-bases over conjunctive events. Crucially, in contrast to similar inference rules in the literature, our inference rules are locally complete for conjunctive events and under additional taxonomic knowledge. We discover that our inference rules are extremely complex and that it is at first glance not clear at all where the deduced tightest bounds come from. Moreover, analyzing the global completeness of our inference rules, we find examples of globally very incomplete probabilistic deductions. More generally, we even show that all systems of inference rules for taxonomic and probabilistic knowledge-bases over conjunctive events are globally incomplete. We conclude that probabilistic deduction by the iterative application of inference rules on interval restrictions for conditional probabilities, even though considered very promising in the literature so far, seems very limited in its field of application.

研究の動機と目的

• 分類的知識の下で結合的事象に関する確率的推論に対して、局所的完全性を持つ推論規則を開発すること。
• 分類的制約を伴う確率的推論システムにおける推論規則の完全性特性を分析すること。
• 反復的推論規則の適用が、確率的推論においてグローバル完全性に到達できるかどうかを調査すること。
• 確率的および分類的知識ベースにおける既存の推論規則システムの固有の制限を特定すること。

提案手法

• 本稿は、分類的知識と条件付き確率情報の両方を含む知識ベースからの確率的推論に特化した推論規則の体系を構築する。
• これらの規則を結合的事象に適用し、論理的および確率的制約を通じて確率のタイトな境界を導出する。
• このアプローチは、条件付き確率の区間制約の分析に依存し、論理的閉包を用いて新たな制約を導出する。
• 特定の条件下での局所的完全性を確立するために、形式的証明技法を用いる。
• 一貫した前提のもとで推論が失敗する反例を構築することで、グローバル完全性を評価する。
• 分類的階層の形式的モデリングと、それらが確率的制約とどのように相互作用するかを分析する。

実験結果

リサーチクエスチョン

• RQ1 分類的知識の下で、結合的事象に関する確率的推論に対して、局所的完全性を持つ推論規則を設計できるか？
• RQ2 このような推論規則は、有効なすべての確率的境界をどれほど正確に捉えられるか？
• RQ3 確率的および分類的知識ベースに適用された反復的推論規則システムに、固有の制限は存在するか？
• RQ4 知識ベースから導ける最もタイトな境界を、このような規則を用いて体系的に導出できるか？
• RQ5 この種の問題に対して、いかなる推論規則システムにおいてもグローバル完全性は達成不可能であるか？

主な発見

• 提案された推論規則は、分類的知識の下で結合的事象に対して局所的完全性を持つ。これは、前提から導けるすべてのタイトな境界が網羅されることを保証する。
• 局所的完全性にもかかわらず、反例によって有効な確率的境界が導けない場合があることが示され、グローバルに不完全であることが明らかになった。
• 結合的事象に関する確率的および分類的知識ベースのすべての推論規則システムが、グローバルに不完全であることが示された。
• 導出された推論規則の複雑さは高く、最もタイトな境界の起源が直感的に明確でない。
• 結果として、確率的推論のための反復的推論規則の適用は、その適用範囲において根本的に制限されていることが示唆された。
• 本稿は、このような規則ベースのアプローチは有望ではあるが、包括的な確率的推論を達成する上で根本的な制限を抱えていると結論づける。