[論文レビュー] A Model for Reasoning with Uncertain Rules in Event Composition Systems

Segev Wasserkrug, Avigdor Gal+1 more|arXiv (Cornell University)|Jul 4, 2012

Bayesian Modeling and Causal Inference参考文献 9被引用数 20

ひとこと要約

本稿では、イベント構成システムにおける不確実なルールを扱うための形式的確率的枠組みを提案する。この枠組みにより、動的かつ時間的に依存する不確かなトリガーからイベントを推論できるアクティブシステムが可能になる。動的ベイズネットワークの構築により、イベント発生の確率を定量化し、確率論的手法を用いた不確実性の処理を体系的に行う最初のアプローチを提供する。

ABSTRACT

In recent years, there has been an increased need for the use of active systems - systems required to act automatically based on events, or changes in the environment. Such systems span many areas, from active databases to applications that drive the core business processes of today's enterprises. However, in many cases, the events to which the system must respond are not generated by monitoring tools, but must be inferred from other events based on complex temporal predicates. In addition, in many applications, such inference is inherently uncertain. In this paper, we introduce a formal framework for knowledge representation and reasoning enabling such event inference. Based on probability theory, we define the representation of the associated uncertainty. In addition, we formally define the probability space, and show how the relevant probabilities can be calculated by dynamically constructing a Bayesian network. To the best of our knowledge, this is the first work that enables taking such uncertainty into account in the context of active systems. herefore, our contribution is twofold: We formally define the representation and semantics of event composition for probabilistic settings, and show how to apply these extensions to the quantification of the occurrence probability of events. These results enable any active system to handle such uncertainty.

研究の動機と目的

• アクティブシステムにおける不確かな複雑な時間的述語からイベントを推論する課題に対処すること。
• 確率的不確実性下でのイベント構成の表現と意味論を形式化すること。
• アクティブシステムが不確かなルールに基づいてイベント発生の可能性を定量化できるようにすること。
• 確率論をイベント駆動型システムと統合し、リアルタイム推論を可能にする枠組みを提供すること。

提案手法

• フレームワークは、イベント構成ルールにおける不確実性を確率論的手法で表現する。
• 基礎となる確率的依存関係に基づき、イベント発生のための確率空間を形式的に定義する。
• システムは動的ベイズネットワークを構築し、推論されたイベントの確率を計算する。
• 時間的述語は、イベント列における確率的制約としてモデル化される。
• 新しいイベントの到着に伴い、リアルタイムで更新可能な段階的推論をサポートする。
• ルールベース推論と確率的推論を統合し、不確実性下での意思決定支援を可能にする。

実験結果

リサーチクエスチョン

• RQ1 トリガーイベントが不確かな場合、どのようにイベント構成ルールを形式的に表現できるか。
• RQ2 アクティブシステムにおける不確かなイベント構成をモデル化する適切な確率空間とは何か。
• RQ3 不確かな時間的に依存するルールから導かれる場合、イベント発生の確率を定量的に計算する方法は何か。
• RQ4 不確実性が存在する状況で、動的かつスケーラブルな推論を可能にするメカニズムは何か。

主な発見

• 提案されたモデルは、確率論的手法を用いてアクティブシステム内のイベント構成に不確実性を形式的に統合した最初のものである。
• 動的ベイズネットワークの構築により、イベント発生確率の正確な定量化が可能になる。
• 不確かな前件を有する複雑な時間的述語の上での推論が可能になる。
• 不確実性下で動作するアクティブシステムのためのスケーラブルで拡張可能な基盤を提供する。