[論文レビュー] Similarity Measures on Preference Structures, Part II: Utility Functions

Vu Ha, Peter Haddawy+1 more|arXiv (Cornell University)|Jan 10, 2013

Bayesian Modeling and Causal Inference参考文献 15被引用数 3

ひとこと要約

本稿は、不確実性下での部分的に指定された効用関数の比較のための確率的距離測度を導入し、ケースベースの好みの同定フレームワークを拡張する。この距離を計算するためのアルゴリズムを提示し、他の測度が失敗する医療好みのデータセットへの適用を示し、不確実性のある意思決定文脈における優位性を示す包括的な分析的比較を提供する。

ABSTRACT

In previous work cite{Ha98:Towards} we presented a case-based approach to eliciting and reasoning with preferences. A key issue in this approach is the definition of similarity between user preferences. We introduced the probabilistic distance as a measure of similarity on user preferences, and provided an algorithm to compute the distance between two partially specified {em value} functions. This is for the case of decision making under {em certainty}. In this paper we address the more challenging issue of computing the probabilistic distance in the case of decision making under{em uncertainty}. We provide an algorithm to compute the probabilistic distance between two partially specified {em utility} functions. We demonstrate the use of this algorithm with a medical data set of partially specified patient preferences,where none of the other existing distancemeasures appear definable. Using this data set, we also demonstrate that the case-based approach to preference elicitation isapplicable in domains with uncertainty. Finally, we provide a comprehensive analytical comparison of the probabilistic distance with some existing distance measures on preferences.

研究の動機と目的

• 不確実性下での部分的に指定された効用関数間の類似性を計算する課題に対処すること。
• 決定論的環境から不確実性を含む環境へとケースベースの好みの同定フレームワークを拡張すること。
• 効用関数間の確率的距離を計算可能なアルゴリズムを開発すること。
• 医療意思決定支援など、不完全な好みデータを伴う実世界分野へのこの手法の適用可能性を実証すること。
• 既存の好み類似性測度と比較して、確率的距離の厳密な分析的比較を提供すること。

提案手法

• 本稿は、不確実性下での2つの部分的に指定された効用関数間の類似性を測る確率的距離を形式化する。
• 動的計画法と確率的推論技術を活用して、この距離を効率的に計算するアルゴリズムを導入する。
• すべての整合的完成を考慮し、期待距離を計算することで、部分的な効用仕様を処理する。
• ベイズフレームワークを用いて効用値の不確実性をモデル化し、可能な完成の across での期待類似度を計算する。
• アルゴリズムは、部分的に指定された患者の好みを伴う実際の医療データセット上で実装および評価されている。
• 既存の距離測度との比較分析が行われ、不確実な設定におけるロバストネスと一貫性が評価されている。

実験結果

リサーチクエスチョン

• RQ1 不確実性が存在する中で、部分的に指定された効用関数間の類似性をどのように意味的に測定できるか？
• RQ2 不確実性を含む分野へ、ケースベースの好みの同定アプローチを効果的に拡張できるか？
• RQ3 不完全な効用関数間の確率的距離を計算する際の計算複雑性と実行可能性は何か？
• RQ4 既存の測度と比較して、提案された確率的距離は一貫性および好み構造への感受性の観点でどのように異なるか？
• RQ5 医療意思決定など、実世界のシナリオにおいて、この手法は実際にどのように応用可能か？

主な発見

• 他の測度が未定義である不確実性下での部分的に指定された効用関数に対して、提案された確率的距離測度は計算可能で効果的である。
• アルゴリズムは、不完全な患者好みを伴う医療データセット上で類似性を効果的に計算し、実用的応用性を示している。
• 不確実な設定下で、一貫性および好み構造への感受性の観点から、既存の距離測度を上回っている。
• 分析的比較から、確率的距離が効用表現内の潜在的な不確実性をよりよく捉えていることが明らかになった。
• 不確実性および不完全な好みを伴う分野において、好みの同定のためのケースベースアプローチが実用的で効果的であると検証された。