[論文レビュー] UCP-Networks: A Directed Graphical Representation of Conditional Utilities

Craig Boutilier, Fahiem Bacchus+1 more|arXiv (Cornell University)|Jan 10, 2013

Bayesian Modeling and Causal Inference参考文献 12被引用数 185

ひとこと要約

この論文では、ceteris paribus 解釈に基づき、加法的効用要因とCP-net風の条件付き選好を組み合わせることで、条件付き効用関数を表現する有向グラフィカルモデル、UCP-networksを提案する。この手法により、最適化および支配性クエリの効率的計算が可能となり、ユーザーが指定したしきい値未満になるまでトレードオフ重みを精錬することで、後悔を最小化するインタラクティブな獲得手順を支援する。

ABSTRACT

We propose a new directed graphical representation of utility functions, called UCP-networks, that combines aspects of two existing graphical models: generalized additive models and CP-networks. The network decomposes a utility function into a number of additive factors, with the directionality of the arcs reflecting conditional dependence of preference statements - in the underlying (qualitative) preference ordering - under a {em ceteris paribus} (all else being equal) interpretation. This representation is arguably natural in many settings. Furthermore, the strong CP-semantics ensures that computation of optimization and dominance queries is very efficient. We also demonstrate the value of this representation in decision making. Finally, we describe an interactive elicitation procedure that takes advantage of the linear nature of the constraints on "`tradeoff weights" imposed by a UCP-network. This procedure allows the network to be refined until the regret of the decision with minimax regret (with respect to the incompletely specified utility function) falls below a specified threshold (e.g., the cost of further questioning.

研究の動機と目的

• 不確実性下での意思決定における条件付き効用関数の自然で効率的なグラフィカル表現の開発。
• 一般化された加法的モデルとCP-networksの長所を統合した、統一された効用モデリングフレームワークの統合。
• ネットワークの有向構造を活用した最適化および支配性クエリの効率的計算。
• ユーザーのフィードバックに基づき、トレードオフ重みを段階的に精錬することで、後悔をしきい値未満に抑えるインタラクティブな効用関数の獲得手順の支援。
• 多属性意思決定問題における複雑な条件付き選好をスケーラブルかつ解釈可能に表現する手法の提供。

提案手法

• UCP-networkは、ノードが効用要因を表し、アークが選好文における条件付き依存関係を符号化する有向非巡回グラフとして効用関数を表現する。
• 各ノードは、属性の部分集合に依存する局所的効用要因に対応し、条件付き確率または重みがトレードオフを反映する。
• ネットワークはceteris paribus意味論を用い、他のすべての属性が固定されたものとして選好が評価されることを意味する。
• 最適化および支配性クエリは、有向グラフ上で動的計画法または局所的伝搬技術を用いて効率的に計算される。
• ユーザーのフィードバックに基づき、段階的にトレードオフ重みを精錬することで、意思決定プロセスにおける後悔を最小化するインタラクティブな獲得手順が提案される。
• トレードオフ重みに線形制約が課され、効率的な後悔分析と、指定されたしきい値内での解への収束が可能になる。

実験結果

リサーチクエスチョン

• RQ1 有向グラフィカルモデルは、ceteris paribus 選好を伴う条件付き効用関数をどのように効率的に表現できるか？
• RQ2 このようなモデルにおける支配性および最適化クエリの計算複雑度は何か？
• RQ3 不完全な効用仕様のもとで、後悔を最小化するように設計されたインタラクティブな獲得手順は可能か？
• RQ4 トレードオフ重みに課される線形制約は、獲得プロセスの収束性および正確性にどのように影響するか？
• RQ5 UCP-network表現は、多属性意思決定問題における解釈可能性およびスケーラビリティをどの程度向上させるか？

主な発見

• UCP-networksは、ネットワークの有向構造とceteris paribus 意味論のおかげで、支配性および最適化クエリの効率的計算を可能にする。
• モデルは、ユーザーが指定したしきい値未満になるまでトレードオフ重みを精錬することで、意思決定の後悔を低減するインタラクティブな獲得手順を支援する。
• トレードオフ重みに課される線形制約により、獲得プロセス中にスケーラブルかつ取り扱いやすい後悔最小化が可能になる。
• 加法的効用要因とCP-net風の条件付き選好の統合により、複雑な選好構造を自然で直感的な表現で表現できる。
• 不完全な効用指定のもとで、選好が条件付きである意思決定シナリオにおいて、実用的な有効性を示している。
• 表現力、効率性、ユーザーインタラクションのバランスを実現しており、実世界の意思決定支援システムに適している。