[論文レビュー] Pulcinella: A General Tool for Propagating Uncertainty in Valuation Networks

Alessandro Saffiotti, Elisabeth Umkehrer|arXiv (Cornell University)|Mar 20, 2013

Bayesian Modeling and Causal Inference参考文献 17被引用数 62

ひとこと要約

Pulcinella は、Shafer と Shenoy のローカル計算フレームワークを用いて、価値ネットワークにおける不確実性伝播のための汎用ツールである。確率、信念関数、可能性、ブール値の複数の不確実性理論をサポートし、ユーザーが独自の理論を定義できるようにし、2 つの事例研究を通じて、モデル間の柔軟性と比較分析を実証している。

ABSTRACT

We present PULCinella and its use in comparing uncertainty theories. PULCinella is a general tool for Propagating Uncertainty based on the Local Computation technique of Shafer and Shenoy. It may be specialized to different uncertainty theories: at the moment, Pulcinella can propagate probabilities, belief functions, Boolean values, and possibilities. Moreover, Pulcinella allows the user to easily define his own specializations. To illustrate Pulcinella, we analyze two examples by using each of the four theories above. In the first one, we mainly focus on intrinsic differences between theories. In the second one, we take a knowledge engineer viewpoint, and check the adequacy of each theory to a given problem.

研究の動機と目的

• 価値ネットワークにおける多様な不確実性理論にわたる不確実性伝播を可能にする汎用ツールの開発。
• 確率、信念関数、可能性、ブール値といった異なる不確実性理論を、統一された計算フレームワーク内で比較可能にする。
• 知識工学の観点から、特定のモデリング問題に最も適した不確実性理論の選択を知識エンジニアに支援する。
• 同じ計算インfraストラクチャ内での新しい不確実性理論の定義を可能にする拡張性を提供する。
• 2 つの詳細な事例研究を通じて、フレームワークの実用的有用性を実証する。

提案手法

• Shafer と Shenoy のローカル計算アルゴリズムを活用し、価値ネットワークにおける効率的伝播を実現する。
• 不確実性理論を単一の計算エンジン内に特殊化されたモジュールとしてカプセル化する。
• 確率、信念関数（Dempster-Shafer）、可能性理論、ブール論理という 4 つの標準的な不確実性理論をネイティブにサポートする。
• 定義されたインターフェースを介して、ユーザーがカスタム不確実性理論をプラグイン可能なモジュラーアーキテクチャを採用する。
• すべての理論に同一の伝播メカニズムを適用し、計算行動の一貫性を確保する。
• 潜在的（条件付き不確実性測度）とローカル伝播ルールの宣言的仕様を用いて推論を実行する。

実験結果

リサーチクエスチョン

• RQ1 同一の計算フレームワークが、価値ネットワークにおける複数の異なる不確実性理論をどのようにサポートできるか。
• RQ2 同一の問題に確率、信念関数、可能性、ブール論理を適用した場合、推論結果にどのような本質的差異が生じるか。
• RQ3 知識工学の観点から、特定の種類の現実世界の問題をモデリングする際、どの不確実性理論が最も適切か。
• RQ4 同じ伝播エンジンを、最小限の変更で、異なる不確実性形式に再利用できる範囲はどの程度か。
• RQ5 フレームワークの拡張性が、コアエンジンの再設計なしに新しい不確実性理論の統合をどの程度可能にするか。

主な発見

• Pulcinella は、確率、信念関数、可能性、ブール論理という 4 つの異なる不確実性理論を、再利用可能な単一のフレームワーク内に成功して実装・統合した。
• フレームワークにより、理論間での推論結果の直接比較が可能となり、推論行動と出力解釈の差異が明らかになった。
• 事例研究 1 では、信念関数が非加法的妥当性を許容するのに対し、可能性理論が定性的不確実性を捉える点など、各理論の不確実性処理の本質的差異が浮き彫りになった。
• 事例研究 2 では、不確実性理論の選択が、実際の知識工学タスクにおけるモデルの適切さと解釈可能性に顕著な影響を与えることが示された。
• Pulcinella の拡張性により、ユーザーが最小限の作業で新しい不確実性理論を定義・統合でき、その汎用性と再利用可能性が裏付けられた。
• ローカル計算エンジンにより、すべてのサポートされる理論において効率的な推論が保証され、複雑なネットワークに対してもスケーラビリティが維持された。