[论文解读] A factorization criterion for acyclic directed mixed graphs

Thomas S. Richardson|arXiv (Cornell University)|Jun 26, 2014

Bayesian Modeling and Causal Inference参考文献 9被引用 11

一句话总结

本文提出了一种无环有向混合图（ADMGs）的分解准则，ADMGs 用于建模具有潜变量的 DAG 模型中的条件独立性结构。该准则通过 d-分离完整刻画了全局马尔可夫性质，为半马尔可夫随机场中概率依赖关系的表示与推理提供了一种可处理的方法。

ABSTRACT

Acyclic directed mixed graphs, also known as semi-Markov models represent the conditional independence structure induced on an observed margin by a DAG model with latent variables. In this paper we present a factorization criterion for these models that is equivalent to the global Markov property given by (the natural extension of) d-separation.

研究动机与目标

• 建立一种分解准则，以完全刻画无环有向混合图（ADMGs）中的全局马尔可夫性质。
• 为源自具有潜变量的 DAG 的半马尔可夫模型提供一种可处理的概率表示。
• 以保持条件独立性结构的方式，将 d-分离准则从 DAG 扩展到 ADMG。
• 为 ADMG 模型中关于条件独立性的推理提供一种计算上可行的 d-分离替代方法。
• 通过基于分解的方法，统一潜变量模型中条件独立性的表示。

提出的方法

• 基于无环有向混合图（ADMGs）的结构（包含有向边和双箭头边）开发一种分解准则。
• 定义一种分解规则，根据图的拓扑结构将联合概率分布分解为局部成分。
• 建立所提出的分解与潜变量 DAG 中由 d-分离定义的全局马尔可夫性质之间的等价性。
• 利用 d-分离向 ADMGs 的自然推广，推导出编码在分解中的条件独立性约束。
• 证明该分解准则是表征潜变量 DAG 所施加的分布约束的必要且充分条件。
• 将该准则应用于推导与 ADMGs 相关的指数族分布的规范参数化形式。

实验结果

研究问题

• RQ1 能否为无环有向混合图定义一种分解准则，以完全捕捉全局马尔可夫性质？
• RQ2 在潜变量 DAG 模型的背景下，该分解准则与 d-分离有何关系？
• RQ3 所提出的分解是否等价于由具有潜变量的 DAG 所诱导的条件独立性结构？
• RQ4 该分解能否用作 ADMG 模型中概率推理的计算高效替代 d-分离的方法？
• RQ5 一个概率分布根据 ADMG 分解的必要且充分条件是什么？

主要发现

• 所提出的分解准则在数学上等价于无环有向混合图中由 d-分离定义的全局马尔可夫性质。
• 该分解为具有潜变量的半马尔可夫模型中的条件独立性结构提供了完整且可处理的表示。
• 该准则使得无需枚举 d-分离路径即可高效计算条件独立性关系。
• 该准则对于表征潜变量 DAG 所施加的分布约束而言，既是必要也是充分的。
• 该方法将 DAG 的分解推广至 ADMG，同时保持了条件独立性的概率语义。
• 研究结果为使用 ADMG 表示在具有潜共因的模型中进行推理与学习奠定了坚实基础。