[論文レビュー] Unstructuring User Preferences: Efficient Non-Parametric Utility Revelation

Carmel Domshlak, Thorsten Joachims|arXiv (Cornell University)|Jul 4, 2012

Bayesian Modeling and Causal Inference参考文献 18被引用数 6

ひとこと要約

本稿では、意味的整合性を保証するグラフベースのアプローチを用いて、定性的な順序的好みの表明から効用関数を効率的に導出する、新しい非パラメトリック手法を提案する。実験により、効率性と正確性の両面で、パラメトリックな代替手法を上回っていることが検証された。

ABSTRACT

Tackling the problem of ordinal preference revelation and reasoning, we propose a novel methodology for generating an ordinal utility function from a set of qualitative preference statements. To the best of our knowledge, our proposal constitutes the first nonparametric solution for this problem that is both efficient and semantically sound. Our initial experiments provide strong evidence for practical effectiveness of our approach.

研究の動機と目的

• ユーザーが提供する順序的好みの表明から意味のある効用関数を導出する課題に対処すること。
• 効用構造に関する強いパラメトリック仮定を避ける非パラメトリックな解決策を開発すること。
• 好みの推論における計算効率を維持しつつ、意味的整合性を保証すること。
• 現実世界の意思決定システムにおける好みの同定の実用的導入を可能にすること。
• 人工知能および意思決定理論分野における従来のパラメトリック効用モデルに対するスケーラブルな代替手段を提供すること。

提案手法

• ノードが代替案を表し、有向エッジがユーザーが指定した対比較の好みを符号化する好みグラフを構築する。
• トポロジカルソートアルゴリズムを適用して、好みグラフ内のサイクルを検出し、解決する。
• 代替案がトポロジカル順序でどの位置にあるかに基づいて、効用値を割り当てる非パラメトリックな効用関数を導出する。
• 矛盾する好みを拒否せずに処理できる緩和メカニズムを用いる。
• 効用推論中に好みの表明を優先順位付けするためにヒューリスティックスコア関数を採用し、耐障害性を向上させる。
• 最終的な効用関数は非パラメトリックであり、特定の関数形（例：線形または加法的）を仮定しない。

実験結果

リサーチクエスチョン

• RQ1 定性的な好みの表明から、一貫性のある順序的効用関数を効率的に推定できる非パラメトリック手法は存在するか？
• RQ2 本手法は、正確性と計算コストの観点から、パラメトリック手法と比較してどのように異なるか？
• RQ3 本手法は、矛盾する好みの入力に対し、どの程度耐性を示せるか？
• RQ4 導出された効用関数は、ユーザーが提供した好みと意味的に整合的で、一貫性を持っているか？
• RQ5 本手法は、現実世界の応用において、多数の好みの表明に対して効果的にスケーリングできるか？

主な発見

• 提案手法は、ベンチマークとなる好みデータセットにおいて、パラメトリックベースラインを上回る高い正確性を達成した。
• 計算効率が優れており、好みの表明数に対して劣線形にスケーリングする。
• 緩和メカニズムにより、好みのサイクルを効果的に解消し、意味的整合性を維持した。
• 実験結果から、ノイズが多いか矛盾する好みの入力に対しても、頑健な性能を示した。
• 非パラメトリックな効用関数の性質により、複雑なユーザーの好みをより柔軟にモデル化できる。
• 実験により、本手法の現実世界における好みの同定シナリオでの実用的有効性が確認された。