[논문 리뷰] On Separation Criterion and Recovery Algorithm for Chain Graphs

Milan Studený|arXiv (Cornell University)|2013. 02. 13.

Bayesian Modeling and Causal Inference참고 문헌 20인용 수 10

한 줄 요약

이 논문은 베이지안 네트워크의 d-분리에서 일반화된 체인 그래프에서 조건부 인덴펜던시를 위한 그래픽 기준인 c-분리를 소개한다. 조건부 인덴펜던시 모델로부터 가장 큰 체인 그래프를 유일하게 재구성하는 복구 알고리즘을 제시하며, c-분리가 완전하고 도이말라이제이션 기준과 동치임을 입증한다.

ABSTRACT

Chain graphs give a natural unifying point of view on Markov and Bayesian networks and enlarge the potential of graphical models for description of conditional independence structures. In the paper a direct graphical separation criterion for chain graphs, called c-separation, which generalizes the d-separation criterion for Bayesian networks is introduced (recalled). It is equivalent to the classic moralization criterion for chain graphs and complete in sense that for every chain graph there exists a probability distribution satisfying exactly conditional independencies derivable from the chain graph by the c-separation criterion. Every class of Markov equivalent chain graphs can be uniquely described by a natural representative, called the largest chain graph. A recovery algorithm, which on basis of the (conditional) dependency model induced by an unknown chain graph finds the corresponding largest chain graph, is presented.

연구 동기 및 목표

• 체인 그래프에서 조건부 인덴펜던시를 위한 완전하고 직접적인 그래픽 기준을 수립하여, 베이지안 네트워크의 d-분리를 일반화한다.
• 각 체인 그래프의 마르코프 등가 클래스에 대한 표준 대표자(즉, 가장 큰 체인 그래프)를 정의한다.
• 관측된 종속성 모델에서 가장 큰 체인 그래프를 추론하는 복구 알고리즘을 개발한다.
• c-분리가 체인 그래프에 대해 고전적인 도이말라이제이션 기준과 동치임을 증명하고, 체인 그래프에서 유도 가능한 모든 조건부 인덴펜던시를 포괄함을 보장한다.
• 마르코프 네트워크와 베이지안 네트워크를 모두 포함하는 체인 그래프 형식론을 통해 조건부 인덴펜던시 구조를 통합적으로 모델링하는 프레임워크를 제공한다.

제안 방법

• d-분리를 체인 그래프 환경으로 확장하여, 체인 그래프에서 조건부 인덴펜던시를 판단하기 위한 그래픽 기준인 c-분리를 도입한다.
• 각 연결 성분 내에서 가능한 모든 무방향 간선을 포함하는 것으로 특징지어진 유일한 대표자로서 가장 큰 체인 그래프를 정의한다.
• 알 수 없는 체인 그래프에 의해 유도된 종속성 모델을 분석함으로써 가장 큰 체인 그래프를 구성하는 복구 알고리즘을 제안한다.
• c-분리가 체인 그래프에 대해 도이말라이제이션 기준과 동치임을 입증하여 기존 이론적 기반과의 일관성을 확보한다.
• c-분리의 완전성을 이용해 그래프에서 유도 가능한 모든 조건부 인덴펜던시가 기준에 의해 포괄됨을 보장한다.
• 종속성 모델과 c-분리 규칙에 기반하여 간선을 반복적으로 추가함으로써 가장 큰 체인 그래프의 구조를 체계적으로 추론하는 절차를 활용한다.

실험 결과

연구 질문

• RQ1 d-분리를 체인 그래프에 대해 일반화하여 조건부 인덴펜던시를 포괄할 수 있는 방법은 무엇인가?
• RQ2 각 마르코프 등가 클래스에 대한 표준 대표자(즉, 가장 큰 체인 그래프)의 구조는 어떻게 되는가?
• RQ3 관측된 종속성 모델에서 가장 큰 체인 그래프를 복구 알고리즘으로 재구성할 수 있는가?
• RQ4 제안된 c-분리 기준이 체인 그래프에 대해 고전적인 도이말라이제이션 기준과 동치인가?
• RQ5 c-분리 기준이 완전하여 체인 그래프에서 유도 가능한 모든 조건부 인덴펜던시를 기준이 포괄하는가?

주요 결과

• c-분리 기준은 체인 그래프에서 조건부 인덴펜던시를 판단하기 위한 완전하고 직접적인 그래픽 방법으로 도입되었다.
• 가장 큰 체인 그래프는 각 마르코프 등가 클래스에 대한 유일한 표준 대표자로 확인되었다.
• 복구 알고리즘이 체인 그래프에 의해 유도된 임의의 종속성 모델에서 가장 큰 체인 그래프를 성공적으로 재구성하였다.
• c-분리가 고전적인 도이말라이제이션 기준과 동치임을 증명하여 이론적 일관성을 입증하였다.
• c-분리의 완전성 덕분에 체인 그래프에서 유도 가능한 모든 조건부 인덴펜던시가 기준에 의해 포괄됨을 보장하였다.
• 이 프레임워크는 체인 그래프 형식론 내에서 마르코프 네트워크와 베이지안 네트워크를 통합적으로 다룰 수 있는 통합적 관점을 제공한다.