[論文レビュー] Nesting Probabilistic Inference

Theofrastos Mantadelis, Gerda Janssens|arXiv (Cornell University)|Dec 16, 2011

Semantic Web and Ontologies参考文献 6被引用数 13

ひとこと要約

本論文は、スタックベースのメカニズムを用いて推論インスタンスを一時停止および再開することで、ネストされた確率的推論を可能にするパrametrized ProbLogエンジンアーキテクチャを提案する。このアプローチは、メタ呼び出し、否定、答えの列挙をサポートし、実験ではわずか1%のパフォーマンスオーバーヘッドに抑えながら、複雑な確率的推論ワークロードを実現する。

ABSTRACT

When doing inference in ProbLog, a probabilistic extension of Prolog, we extend SLD resolution with some additional bookkeeping. This additional information is used to compute the probabilistic results for a probabilistic query. In Prolog's SLD, goals are nested very naturally. In ProbLog's SLD, nesting probabilistic queries interferes with the probabilistic bookkeeping. In order to support nested probabilistic inference we propose the notion of a parametrised ProbLog engine. Nesting becomes possible by suspending and resuming instances of ProbLog engines. With our approach we realise several extensions of ProbLog such as meta-calls, negation, and answers of probabilistic goals.

研究の動機と目的

• PHAS、PRISM、PITAなどの既存の確率的論理プログラミングシステムにネストされた確率的クエリのサポートが欠如している問題に対処すること。
• ProbLog内での高レベルな確率的メタプログラミング、特にメタ呼び出し、否定、答えの列挙を可能にすること。
• ネストされたクエリ間で確率的ブックキーピングを損なわずに保持するメカニズムの設計。
• ProbLog推論エンジンのインスタンスを一時停止および再開するスタックベースのメカニズムの実装。
• 現実的なワークロードにおけるネストされた推論のパフォーマンスオーバーヘッドの評価。

提案手法

• 特定の推論手法に特化した推論状態とパrameterをカプセル化するパラメータ化されたProbLogエンジンを導入する。
• ネストされたクエリ実行中にProbLogエンジンインスタンスを一時停止および再開するためにスタックを用いる。
• ネストされたメタ呼び出しを、exact((G2, exact((G2, ...)), G1))のような再帰的構造で表現することで、深いネストを可能にする。
• 複数の結果タイプ（確率、答え、DNF表現）をサポートするように、コアのクエリ予約を problog_inference(Inference, Query, ResultType, Result) に拡張する。
• メタ呼び出しを用いて、problog_not/1 および problog_answers/3 などの新しいプリミティブを実装し、高度な確率的推論を可能にする。
• 正しさと効率性を維持するため、既存のProbLogテーブルリングおよびSLD分解拡張を活用する。

実験結果

リサーチクエスチョン

• RQ1 確率的ブックキーピングを損なわずに、ProbLogでネストされた確率的推論をサポートできるか？
• RQ2 フラットなクエリと比較して、ネストされた推論はどの程度のパフォーマンスオーバーヘッドを引き起こすか？
• RQ3 高階の確率的プログラミングを可能にするために、確率的メタ呼び出しをどのように実装できるか？
• RQ4 既存のProbLogプリミティブ（否定や答えの列挙）は、新しいエンジンの一時停止・再開メカニズムを用いて実装可能か？
• RQ5 正確な推論以外の他の推論手法に対しても、提案手法は拡張可能か？

主な発見

• 提案手法は、スタックベースのメカニズムを用いてProbLogエンジンを一時停止および再開することで、ネストされた確率的推論を成功裏に実現した。
• 10回の実行におけるネストクエリの平均実行時間は安定しており、標準偏差が低かった（例：114–340 ms）、パフォーマンスの一貫性を示している。
• ネスティングによって引き起こされるパフォーマンスオーバーヘッドは非常に小さく、約1%に抑えられ、複数のネスト深さとクエリタイプで測定された。
• メタ呼び出し、否定（problog_not/1 を通じて）、答えの列挙（problog_answers/3 を通じて）といった高度な機能をサポートしている。
• 実験により、ネスト深さがパフォーマンスに顕著な影響を及ぼさず、実行時間の精度が高く、分散が小さいことが確認された。
• このアプローチは拡張可能であり、サポートグラフやテーブルド実行に基づく他の推論手法に対しても適応可能である。