[論文レビュー] Graphical Representations of Consensus Belief

David M. Pennock, Michael P. Wellman|arXiv (Cornell University)|Jan 23, 2013

Bayesian Modeling and Causal Inference参考文献 26被引用数 42

ひとこと要約

本稿は、複数のエージェント間のコンセンサス信念が、個々のエージェントの信念と同等の効率でグラフィカルモデルで表現可能かどうかを調査する。標準的な信念結合手法は一般に条件付き独立構造を破壊することを証明するが、対照的に対数的意見プール（LogOP）は共通のマークフ・性質を保存するため、正確なベイズ推論と同等の複雑さを持つコンセンサス・マークフ・ネットワークの構築が可能である。

ABSTRACT

Graphical models based on conditional independence support concise encodings of the subjective belief of a single agent. A natural question is whether the consensus belief of a group of agents can be represented with equal parsimony. We prove, under relatively mild assumptions, that even if everyone agrees on a common graph topology, no method of combining beliefs can maintain that structure. Even weaker conditions rule out local aggregation within conditional probability tables. On a more positive note, we show that if probabilities are combined with the logarithmic opinion pool (LogOP), then commonly held Markov independencies are maintained. This suggests a straightforward procedure for constructing a consensus Markov network. We describe an algorithm for computing the LogOP with time complexity comparable to that of exact Bayesian inference.

研究の動機と目的

• 複数のエージェント間のコンセンサス信念が、個々のエージェントの信念と同等の簡潔さでグラフィカルモデルによって表現可能かどうかを特定すること。
• エージェントの信念を組み合わせる際、共通のグラフトポロジーや条件付き独立構造が保存可能かどうかを調査すること。
• 条件付き確率表内の局所的集約手法が、コンセンサス形成中にグラフィカル構造を維持できるかどうかを評価すること。
• コンセンサス信念が条件付き独立性を保持するマークフ・ネットワークとして表現可能となる条件を特定すること。
• 構造的一致性を維持する対数的意見プール（LogOP）を用いた、コンセンサス信念を計算する効率的なアルゴリズムの開発

提案手法

• やや弱い仮定の下で、信念を結合するいかなる手法でも、エージェントが構造について合意していても共通のグラフトポロジを保存できないことを証明する。
• 信念結合が条件付き独立性に与える影響を分析し、標準的手法が一般にマークフ性質を破壊することを示す。
• 複数のエージェント間で共通のマークフ独立性を保存する確率の結合手法として、対数的意見プール（LogOP）を導入する。
• LogOPが条件付き独立関係を維持するため、コンセンサス・マークフ・ネットワークの構築が可能であることを示す。
• 正確なベイズ推論と同等の時間計算量を持つLogOPの計算アルゴリズムを開発し、計算上の実行可能性を保証する。
• 理論的分析とグラフィカルモデルの性質を用いて、コンセンサス表現が能率的（parsimonious）なままである条件を確立する。

実験結果

リサーチクエスチョン

• RQ1 複数のエージェント間のコンセンサス信念は、個々のエージェントの信念と同等の構造的簡潔さを持つグラフィカルモデルで表現可能か？
• RQ2 標準的な信念結合手法は、個々のエージェントのモデルに存在する条件付き独立構造を保持するか？
• RQ3 どのような条件下で、エージェントの個々のモデルと同等の条件付き独立性特性を持つコンセンサス・マークフ・ネットワークを構築できるか？
• RQ4 対数的意見プール（LogOP）を用いて信念を結合することで、共通のマークフ性質を保存できるか？
• RQ5 LogOPを用いたコンセンサス信念の計算における計算量はどの程度か？また、正確なベイズ推論と比較してどうか？

主な発見

• エージェントが異なる条件付き独立仮定を持つ場合、たとえ構造について合意していても、信念を結合するいかなる手法でも共通のグラフトポロジを保存できない。
• 標準的な信念結合手法は一般に条件付き独立関係を破壊するため、コンセンサスに共通のグラフィカルモデルを使用することは無効となる。
• 対数的意見プール（LogOP）は共通のマークフ独立性を保存するため、コンセンサス・マークフ・ネットワークの構築が可能である。
• LogOP手法により、共通の独立性仮定がある限り、個々のエージェントのモデルと同等のグラフィカル構造を保持したコンセンサス信念表現が可能である。
• 提案されたLogOPの計算アルゴリズムは、正確なベイズ推論と同等の時間計算量を持つため、実用的な用途において計算上実行可能である。
• 本稿は、グラフィカルなコンセンサス表現における理論的限界を確立し、構造的保存が特定の集約ルール（例：LogOP）のもとでのみ可能であることを示している。