[논문 리뷰] Markov Logic in Infinite Domains

Parag Singla, Pedro Domingos|arXiv (Cornell University)|2012. 06. 20.

Bayesian Modeling and Causal Inference참고 문헌 25인용 수 50

한 줄 요약

이 논문은 마르코프 논리 네트워크(MLNs)를 거칠게 무한 도메인으로 확장하기 위해 가우스 측도 이론에 기반하여 그라운딩함으로써, 각 그라운드 원소가 유한한 이웃을 가질 경우 MLNs가 타당한 가우스 측도를 갖는다는 것을 보여줌. 핵심 기여는 유한한 무게 조건 하에서 이러한 측도의 존재성과 유일성을 증명한 것으로, 이는 무한 제1차 논리적 구조에서 확률적 추론을 가능하게 하면서도 논리적 표현력과 확률적 일관성을 유지함을 의미함.

ABSTRACT

Combining first-order logic and probability has long been a goal of AI. Markov logic (Richardson & Domingos, 2006) accomplishes this by attaching weights to first-order formulas and viewing them as templates for features of Markov networks. Unfortunately, it does not have the full power of first-order logic, because it is only defined for finite domains. This paper extends Markov logic to infinite domains, by casting it in the framework of Gibbs measures (Georgii, 1988). We show that a Markov logic network (MLN) admits a Gibbs measure as long as each ground atom has a finite number of neighbors. Many interesting cases fall in this category. We also show that an MLN admits a unique measure if the weights of its non-unit clauses are small enough. We then examine the structure of the set of consistent measures in the non-unique case. Many important phenomena, including systems with phase transitions, are represented by MLNs with non-unique measures. We relate the problem of satisfiability in first-order logic to the properties of MLN measures, and discuss how Markov logic relates to previous infinite models.

연구 동기 및 목표

• 마르코프 논리 네트워크(MLNs)의 유한 도메인 한계를 해결하기 위해 이를 무한 도메인으로 확장하는 것.
• 통계역학 원리에 기반한 무한 제1차 구조에서의 확률적 추론을 위한 이론적 기반을 마련하는 것.
• 무한 설정에서 MLNs가 타당한 가우스 측도를 갖는 조건을 조사하는 것.
• 유일성이 성립하지 않을 경우, 특히 단계 전이가 있는 시스템에서 일관된 측도의 구조를 분석하는 것.
• 무한 도메인에서의 제1차 논리 만족 가능성과 MLN 측도의 성질 간의 관계를 규명하는 것.

제안 방법

• 무한 도메인을 다룰 수 있도록 통계역학의 가우스 측도 프레임워크에 마르코프 논리를 통합하는 것.
• 각 그라운드 원소의 이웃 수가 유한할 경우 MLN에 대한 가우스 측도 존재성을 정의하는 것.
• 비단위 문장 무게가 충분히 작을 경우 MLN이 유일한 가우스 측도를 갖는다는 것을 증명하는 것.
• 도브루시니 유일성 기준을 사용하여 측도 유일성 조건을 설정하는 것.
• 유일성이 성립하지 않는 경우의 일관된 측도 집합을 분석하며, 특히 단계 전이가 있는 시스템을 중심으로 다루는 것.
• 무한 도메인에서의 제1차 논리 만족 가능성과 MLN 측도의 존재성 및 성질 간의 관계를 규명하는 것.

실험 결과

연구 질문

• RQ1 무한 도메인에서 마르코프 논리 네트워크가 어떤 조건에서 가우스 측도를 갖는가?
• RQ2 무한 도메인에서 MLN의 가우스 측도가 언제 유일한가?
• RQ3 통계역학의 단계 전이와 무한 MLNs에서 일관된 측도의 구조는 어떻게 관련되는가?
• RQ4 무한 MLNs에서 제1차 논리 만족 가능성과 일관된 측도 존재성 간의 관계는 무엇인가?
• RQ5 가우스 측도의 프레임워크는 마르코프 논리의 무한 제1차 구조 적용 가능성을 어떻게 확장하는가?

주요 결과

• 각 그라운드 원소가 유한한 수의 이웃을 가질 경우 MLN은 가우스 측도를 갖는다. 이는 많은 실용적이고 이론적으로 중요한 경우에 해당함.
• 모든 비단위 문장 무게가 충분히 작을 경우 MLN은 유일한 가우스 측도를 갖는다. 이는 안정적인 확률적 추론을 보장함.
• 측도가 유일하지 않은 경우, 일관된 측도 집합은 복잡한 구조를 띌 수 있으며, 특히 단계 전이가 있는 시스템에서 그러한 현상이 나타남.
• 이 프레임워크는 무한 제1차 논리 도메인에서의 확률적 추론을 가능하게 하며, 논리적 표현력과 확률적 일관성을 유지함.
• 논문은 무한 MLNs에서 제1차 논리 만족 가능성과 일관된 측도 존재성 간의 공식적 연결을 수립하여, 마르코프 논리의 이론적 기반을 풍부하게 함.