[논문 리뷰] Non-Minimal Triangulations for Mixed Stochastic/Deterministic Graphical Models

Chris Bartels, Jeff Bilmes|arXiv (Cornell University)|2012. 06. 27.

Bayesian Modeling and Causal Inference참고 문헌 30인용 수 3

한 줄 요약

이 논문은 혼합된 스토케스틱/결정론적 그래픽 모델에서 계산 및 공간 복잡도를 줄이기 위해 비최소 삼등분법(non-minimal triangulations)을 도입한다. 기존의 변수 제거 기법으로는 도달할 수 없는 큰 클리크를 포함한 비최소 삼등분법이 상당한 속도 향상을 가져올 수 있음을 입증한다. 저자들은 선조 쌍 기반 히우리스틱을 제안하고, 최적의 상태공간 삼등분법을 위해 고려해야 할 것은 선조 쌍 간의 에지뿐임을 증명한다. 실험 결과는 합성 및 실제 그래프에서 뚜렷한 성능 향상을 보였다.

ABSTRACT

We observe that certain large-clique graph triangulations can be useful to reduce both computational and space requirements when making queries on mixed stochastic/deterministic graphical models. We demonstrate that many of these large-clique triangulations are non-minimal and are thus unattainable via the variable elimination algorithm. We introduce ancestral pairs as the basis for novel triangulation heuristics and prove that no more than the addition of edges between ancestral pairs need be considered when searching for state space optimal triangulations in such graphs. Empirical results on random and real world graphs show that the resulting triangulations that yield significant speedups are almost always non-minimal. We also give an algorithm and correctness proof for determining if a triangulation can be obtained via elimination, and we show that the decision problem associated with finding optimal state space triangulations in this mixed stochastic/deterministic setting is NP-complete.

연구 동기 및 목표

• 혼합된 스토케스틱/결정론적 그래픽 모델에서 최소 삼등분법의 비효율성을 해결하기 위해.
• 비최소 삼등분법가 계산 및 공간 복잡도를 줄일 수 있는 조건을 규명하기 위해.
• 최적의 상태공간 삼등분법를 위한 선조 쌍 기반의 새로운 삼등분법 히우리스틱을 개발하기 위해.
• 이 설정에서 최적의 상태공간 삼등분법를 찾는 결정 문제의 NP-완전성을 증명하기 위해.
• 주어진 삼등분법가 변수 제거를 통해 달성될 수 있는지 판단하는 알고리즘과 그 정당성 증명을 제공하기 위해.

제안 방법

• 삼등분법에서 고려해야 할 관련 에지를 식별하기 위한 구조적 기반으로 선조 쌍을 도입한다.
• 에지 추가를 선조 쌍 간의 에지로만 제한하는 히우리스틱을 개발하여 검색 공간을 축소한다.
• 최적의 상태공간 삼등분법에서 선조 쌍 간의 에지 이외의 에지를 필요로 하지 않는다는 것을 증명한다.
• 주어진 삼등분법가 변수 제거를 통해 얻어질 수 있는지 판단하기 위한 알고리즘을 설계한다.
• 혼합된 스토케스틱/결정론적 모델에서 최적의 상태공간 삼등분법 결정 문제의 NP-완전성을 확립한다.
• 랜덤 및 실제 그래프에 대한 실험적 평가를 통해 비최소 삼등분법와 최소 삼등분법의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 비최소 삼등분법가 혼합된 스토케스틱/결정론적 그래픽 모델에서 계산 및 공간 비용을 줄이는 데 최소 삼등분법보다 뛰어난 성능을 보일 수 있는가?
• RQ2 혼합 모델에서 최적의 삼등분법가 최소가 아니게 되는 구조적 특성이 존재하는가?
• RQ3 선조 쌍이 이 맥락에서 실용적이고 정확한 삼등분법 히우리스틱의 기초로 사용될 수 있는가?
• RQ4 혼합 모델에서 최적의 상태공간 삼등분법를 찾는 문제는 계산적으로 어려운 문제(NP-완전)인가?
• RQ5 주어진 삼등분법가 변수 제거를 통해 달성될 수 있는지 판단할 수 있으며, 이를 효율적으로 결정할 수 있는가?

주요 결과

• 특히 큰 클리크를 포함한 비최소 삼등분법는 랜덤 및 실제 그래프에서 질의 해결 속도 향상에 뚜렷한 효과를 보였다.
• 제안된 선조 쌍 기반 히우리스틱은 고려 대상 에지를 선조 쌍 간의 에지로만 제한하여 최적의 삼등분법를 효율적으로 탐색할 수 있도록 한다.
• 실험 결과, 가장 뛰어난 성능을 보인 삼등분법는 거의 항상 비최소였으며, 기존의 변수 제거 이론의 가정과 정면으로 배치된다.
• 혼합된 스토케스틱/결정론적 모델에서 최적의 상태공간 삼등분법를 찾는 결정 문제의 NP-완전성이 증명되었다.
• 변수 제거를 통해 삼등분법가 달성될 수 있는지 판단할 수 있는 알고리즘과 그 정당성 증명이 제시되었다.