[論文レビュー] On MAP Inference by MWSS on Perfect Graphs

Adrian Weller, Tony Jebara|arXiv (Cornell University)|Sep 26, 2013

Bayesian Modeling and Causal Inference参考文献 33被引用数 7

ひとこと要約

本稿では、完全グラフ上の最大重み安定集合（MWSS）への問題の還元を通じて、マーコフ確率場（MRFs）における効率的なMAP推論のための新しい手法を提案する。これにより多項式時間での解法が可能となる。任意の次数のMRFに対して一般化された分解定理を確立し、部分加法的コストの結果を高次元モデルへ拡張するとともに、このフレームワーク下で効率的に解ける二値2項MRFの完全な特徴付けを提供する。これにより、効率的に解けるモデルの範囲が著しく拡大される。

ABSTRACT

Finding the most likely (MAP) configuration of a Markov random field (MRF) is NP-hard in general. A promising, recent technique is to reduce the problem to finding a maximum weight stable set (MWSS) on a derived weighted graph, which if perfect, allows inference in polynomial time. We derive new results for this approach, including a general decomposition theorem for MRFs of any order and number of labels, extensions of results for binary pairwise models with submodular cost functions to higher order, and an exact characterization of which binary pairwise MRFs can be efficiently solved with this method. This defines the power of the approach on this class of models, improves our toolbox and expands the range of tractable models.

研究の動機と目的

• MRFにおける効率的なMAP推論のための一般枠組みを、完全グラフ上の最大重み安定集合（MWSS）を用いて構築すること。
• 部分加法的コストを有する二値2項MRFに関する既存の結果を高次元モデルへ拡張すること。
• 完全グラフ上のMWSSアプローチを用いて多項式時間で解ける二値2項MRFの正確な特徴付けをすること。
• 任意の次数およびラベル数を有するMRFに適用可能な分解定理を提示すること。
• 従来の文献における制限を超えて、解けるMRFモデルの範囲を拡大すること。

提案手法

• MRFにおけるMAP推論問題を、導出された重み付きグラフ上の最大重み安定集合（MWSS）の探索問題に還元する。
• 完全グラフの構造的性質を活用し、MWSSが多項式時間で解けることを保証する。
• 任意の次数およびラベル数を有するMRFを、取り扱いやすい成分に分解するための一般化された分解定理を適用する。
• グラフ論的変換を用いて、部分加法的コストを有する二値2項モデルに関する理論的結果を高次元MRFへ拡張する。
• グラフの分解と安定集合の特徴付けを用いて、MWSS還元が多項式時間解法をもたらす条件を同定する。
• 完全グラフ定理およびクリーク被覆の性質を用いて、導出されたMWSSインスタンスの tractability を検証する。

実験結果

リサーチクエスチョン

• RQ1 どの種のMRFが、完全グラフ上のMWSS還元によって多項式時間で効率的に解けるか？
• RQ2 このフレームワークを用いて、二値2項MRFにおける部分加法的コスト関数をどのように高次元モデルへ拡張できるか？
• RQ3 MRFにどのような構造的条件が満たされると、対応するMWSS問題が完全グラフの性質によりPに属するようになるか？
• RQ4 このアプローチを用いて、任意の次数およびラベル数を有するMRFに対して一般化された分解定理を構築できるか？
• RQ5 完全グラフ上のMWSSを用いて多項式時間MAP推論が可能となる二値2項MRFの完全な特徴付けは何か？

主な発見

• 任意の次数およびラベル数を有するMRFに対して、一般化された分解定理が確立され、MAP推論のモジュラ解析が可能となる。
• 二値2項MRFにおける部分加法的コスト関数に関する結果が高次元モデルへ拡張され、MWSSフレームワーク下での tractability が証明される。
• 完全グラフ上のMWSSアプローチを用いて多項式時間で解ける二値2項MRFの完全な特徴付けが提供される。
• 従来の知見を超えて、より広範な tractable MRF のクラスが同定され、MWSS手法の適用範囲が著しく拡大される。
• 完全グラフの性質を根拠とした理論的保証が確立され、グラフが完全である場合に限り、導出されたグラフ上のMWSSが正確なMAP解を多項式時間で得られることを保証する。