[論文レビュー] On the Complexity of Strong and Epistemic Credal Networks

Denis Deratani Mauá, Cassio P. de Campos+2 more|Uncertainty in Artificial Intelligence|Sep 26, 2013

Bayesian Modeling and Causal Inference参考文献 21被引用数 12

ひとこと要約

本論文は、強い独立性および認識的無関係の下での信用ネットワークにおける推論の計算複雑性を調査する。強い独立性の下での推論が、3値変数をもつ木構造ですらNP困難であることを証明し、認識的無関係の下での信用木における多項式時間推論が、単一連結ネットワークのようなより複雑なモデルに拡張されないことを示し、不確実確率の確率的グラフィカルモデルにおける複雑性境界に関する重要な未解決問題を解決する。

ABSTRACT

Credal networks are graph-based statistical models whose parameters take values in a set, instead of being sharply specified as in traditional statistical models (e.g., Bayesian networks). The computational complexity of inferences on such models depends on the irrelevance/independence concept adopted. In this paper, we study inferential complexity under the concepts of epistemic irrelevance and strong independence. We show that inferences under strong independence are NP-hard even in trees with ternary variables. We prove that under epistemic irrelevance the polynomial time complexity of inferences in credal trees is not likely to extend to more general models (e.g. singly connected networks). These results clearly distinguish networks that admit efficient inferences and those where inferences are most likely hard, and settle several open questions regarding computational complexity.

研究の動機と目的

• 異なる独立性概念の下での信用ネットワークにおける推論の計算複雑性を分析すること。
• 認識的無関係の下での信用木における効率的推論（多項式時間）が、より一般的なネットワーク構造へと拡張可能かどうかを特定すること。
• 強い独立性および認識的無関係の下での信用ネットワークにおける、処理可能と非処理可能な推論の境界を明確にすること。
• 不確実確率的グラフィカルモデルにおける推論の複雑性に関する未解決の問題が、標準的な複雑性仮定の下で明確に解消可能かどうかを検討すること。

提案手法

• 著者らは、不確実確率を伴うグラフベースのモデルを用いて、強い独立性および認識的無関係の下での信用ネットワークにおける推論問題を形式化する。
• 既知のNP完全問題への還元を用いて、強い独立性の下での推論のNP困難性を証明し、3値変数をもつ木構造に対しても成立することを示す。
• 認識的無関係の下での信用木における多項式時間推論が、単一連結ネットワークへと拡張されないことを、複雑性理論的議論を用いて確立する。
• 分析は、信用ネットワークフレームワーク内での認識的無関係および強い独立性の形式的定義に依拠する。
• 計算複雑性理論、特にNP困難性および多項式時間解法の可能性に注目した理論的複雑性結果が導出される。

実験結果

リサーチクエスチョン

• RQ1 強い独立性の下での信用ネットワークにおける推論は、3値変数をもつ木構造ですらNP困難であるか？
• RQ2 認識的無関係の下での信用木における多項式時間推論特性が、単一連結ネットワークのようなより一般的なモデルへと拡張可能か？
• RQ3 異なる独立性概念の下での信用ネットワークにおける推論の計算複雑性境界は何か？
• RQ4 信用ネットワーク推論の複雑性に関する既存の未解決問題が、標準的な複雑性仮定の下で明確に解消可能か？

主な発見

• 強い独立性の下での推論は、3値変数をもつ木構造ですらNP困難である。これは、処理可能性が単純な構造を越えては拡張されないことを示している。
• 認識的無関係の下での信用木における多項式時間推論は、単一連結ネットワークへと拡張され unlikely である。これは、より一般的なモデルにおける本質的複雑性を示している。
• 本研究は、認識的無関係および強い独立性の下での信用ネットワーク推論の計算境界に関する長年の未解決問題を解決した。
• 本研究は、効率的推論が可能なネットワークと、考慮された独立性概念の下で計算的に非処理可能な推論を伴うネットワークとの明確な違いを確立した。