[论文解读] Directed Reduction Algorithms and Decomposable Graphs

Ross D. Shachter, Stig Kjær Andersen+1 more|arXiv (Cornell University)|Mar 27, 2013

Bayesian Modeling and Causal Inference被引用 21

一句话总结

本文证明了在信念网络的概率推理中，有向约简算法与无向图方法在本质上是等价的，因为两者均基于相同的底层图结构。通过分析这些结构，作者提出了一类改进的有向约简方法，其效率可与无向方法相媲美，同时保持了有向模型的可解释性。

ABSTRACT

In recent years, there have been intense research efforts to develop efficient methods for probabilistic inference in probabilistic influence diagrams or belief networks. Many people have concluded that the best methods are those based on undirected graph structures, and that those methods are inherently superior to those based on node reduction operations on the influence diagram. We show here that these two approaches are essentially the same, since they are explicitly or implicity building and operating on the same underlying graphical structures. In this paper we examine those graphical structures and show how this insight can lead to an improved class of directed reduction methods.

研究动机与目标

• 调和人们认为无向图方法在概率推理中本质上优于有向约简方法的观念。
• 表明尽管表示方式不同，但两种方法均基于相同的底层图结构。
• 开发一类新型有向约简算法，使其效率可与无向方法相媲美。
• 阐明节点约简操作与基于道德化的推理技术之间的理论等价性。

提出的方法

• 分析有向约简与无向推理方法所基于的图结构。
• 识别出两种方法在隐式构建并操作相同的无向图表示（即道德图）方面具有共性。
• 重新表述有向约简算法，以显式利用道德图的结构。
• 提出一种有向约简框架，通过系统性节点消除来保持条件独立性特性。
• 利用可分解性概念，指导选择能保持推理效率的消除顺序。
• 证明有向约简中的最优消除序列对应于无向方法中的联结树构造。

实验结果

研究问题

• RQ1 有向约简算法与无向图推理方法在其底层机制上是否本质上不同？
• RQ2 有向约简方法在多大程度上隐式依赖于与无向方法相同的图结构？
• RQ3 能否通过显式建模道德图结构来系统性地改进有向约简？
• RQ4 节点约简在影响图中与无向图中的联结树算法之间是否存在理论等价性？

主要发现

• 有向约简算法与无向方法基于相同的底层图结构——道德图，因此在理论上是等价的。
• 本文确立了有向约简中的最优消除序列与无向模型中的联结树构造相对应。
• 通过显式建模道德图，有向约简方法可实现与无向方法相当的性能。
• 改进的有向约简框架在保持影响图可解释性的同时，达到了无向推理的效率。
• 本研究解决了长期存在的认为无向方法本质上更优越的观念，表明当结构合理时，有向方法可与之同样有效。