[논문 리뷰] A Hybrid Approach to Reasoning with Partially Elicited Preference Models

Vu Ha, Peter Haddawy|arXiv (Cornell University)|2013. 01. 23.

Bayesian Modeling and Causal Inference참고 문헌 15인용 수 22

한 줄 요약

이 논문은 부분적으로 확보된 선호 정보를 처리하기 위해 전통적인 다기능 유용도 이론과 질적 논리 기반 선호 추론을 융합한 하이브리드 의사결정 프레임워크를 제안한다. 의사결정 대안들 간의 비교 문장을 사용하여 부분적으로 지정된 다항선형 유용도 함수를 제약 조건으로 설정함으로써, 이 접근법은 더 적은 정보 확보 부담으로 최적해에 근접한 해를 식별한다. 이는 실용적 의사결정 지원 시스템에서 정량적 및 정성적 방법 간 효과적인 융합을 보여준다.

ABSTRACT

Classical Decision Theory provides a normative framework for representing and reasoning about complex preferences. Straightforward application of this theory to automate decision making is difficult due to high elicitation cost. In response to this problem, researchers have recently developed a number of qualitative, logic-oriented approaches for representing and reasoning about references. While effectively addressing some expressiveness issues, these logics have not proven powerful enough for building practical automated decision making systems. In this paper we present a hybrid approach to preference elicitation and decision making that is grounded in classical multi-attribute utility theory, but can make effective use of the expressive power of qualitative approaches. Specifically, assuming a partially specified multilinear utility function, we show how comparative statements about classes of decision alternatives can be used to further constrain the utility function and thus identify sup-optimal alternatives. This work demonstrates that quantitative and qualitative approaches can be synergistically integrated to provide effective and flexible decision support.

연구 동기 및 목표

• 실제 의사결정 시스템에서 전통적인 다기능 유용도 이론의 높은 정보 확보 비용 문제를 해결하기 위해.
• 순수하게 질적 논리 기반 선호 모델의 표현력과 확장성의 한계를 극복하기 위해.
• 정량적 유용도 함수와 정성적 비교 문장을 모두 활용하는 유연한 의사결정 지원 시스템을 개발하기 위해.
• 결정 품질을 유지하면서도 필요한 선호 질의 수를 줄이기 위해.
• 부분적인 선호 정보를 사용한 점진적 제약 전파를 통해 초최적 대안을 식별할 수 있도록 하기 위해.

제안 방법

• 이 방법은 다수의 속성에 대해 부분적으로 지정된 다항선형 유용도 함수를 가정한다.
• 비교 문장(예: '대안 A는 B보다 선호된다')을 유용도 함수에 대한 제약 조건으로 통합한다.
• 이러한 비교 문장을 사용하여 타당한 유용도 함수의 집합을 줄이고, 가능한 선호의 공간을 좁힌다.
• 이 방법은 제약 조건 전파 기법을 적용하여 어떤 대안이 확실히 열악하거나 초최적임을 추론한다.
• 수치 최적화와 논리적 추론을 융합하여 불확실성 하에서 지배성과 최적성을 평가한다.
• 점진적 정보 확보를 지원하여 사용자가 필요에 따라 선호를 보완할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 어떻게 질적 선호 문장을 부분적으로 지정된 다항선형 유용도 함수를 제약 조건으로 효과적으로 활용할 수 있는가?
• RQ2 비교 문장은 의사결정 지원 시스템에서 필요한 선호 질의 수를 어느 정도 줄일 수 있는가?
• RQ3 유틸리티 이론과 질적 논리를 융합한 하이브리드 모델은 자동 의사결정의 확장성과 표현력을 향상시킬 수 있는가?
• RQ4 최소한의 정보 확보로 초최적 대안을 식별할 수 있도록 보장하는 조건은 무엇인가?
• RQ5 정량적 및 정성적 추론 간의 융합은 불확실성 하에서 의사결정 품질을 어떻게 향상시킬 수 있는가?

주요 결과

• 하이브리드 접근법은 유용도 함수를 완전히 확보하는 것보다 더 적은 선호 질의로 초최적 대안을 성공적으로 식별한다.
• 비교 문장은 타당한 유용도 함수의 공간을 크게 줄여, 더 강력한 지배성 추론을 가능하게 한다.
• 부분적인 선호 정보가 있을 경우에도 계산의 실현 가능성을 유지한다.
• 질적 논리의 통합은 유틸리티 이론의 규범적 기반을 훼손하지 않으면서도 표현력을 향상시킨다.
• UAI-1999 회의에서의 실증 결과는 테스트 시나리오에서 의사결정 품질 향상과 정보 확보 비용 감소를 입증한다.
• 프레임워크는 점진적 선호 정보 확보를 지원하여 상호작용 기반 의사결정 지원 시스템에 적합하다.