[논문 리뷰] Probabilistic Conditional Preference Networks

Damien Bigot, Bruno Zanuttini외 2명|arXiv (Cornell University)|2013. 09. 26.

Constraint Satisfaction and Optimization참고 문헌 13인용 수 37

한 줄 요약

이 논문은 선형 시간 알고리즘을 통해 집단적 또는 노이즈가 있는 선호도에 대한 효율적 추론을 가능하게 하는, 선호도 순서에 대한 확률 분포를 모델링하기 위한 압축된 언어인 확률적 조건부 선호 네트워크(Probabilistic Conditional Preference Networks, PCP-nets)를 소개한다. 이는 선호도 순서에 대한 지배성 검사 및 핵심 확률(예: 한 결과가 다른 결과보다 선호될 가능성 또는 최적일 가능성)을 계산하는 데 있어 이전 방법에 비해 뚜렷한 효율성 향상을 제공한다.

ABSTRACT

In order to represent the preferences of a group of individuals, we introduce Probabilistic CP-nets (PCP-nets). PCP-nets provide a compact language for representing probability distributions over preference orderings. We argue that they are useful for aggregating preferences or modelling noisy preferences. Then we give efficient algorithms for the main reasoning problems, namely for computing the probability that a given outcome is preferred to another one, and the probability that a given outcome is optimal. As a by-product, we obtain an unexpected linear-time algorithm for checking dominance in a standard, tree-structured CP-net.

연구 동기 및 목표

• 집단적 선호도 또는 노이즈가 있는 선호도를 압축되고 확장 가능한 확률적 표현을 통해 모델링하기 위해.
• 불확실성 하에서 선호도 순서에 대한 추론을 위한 효율적 알고리즘을 제공하기 위해.
• 실제 세계의 선호도 집계를 위해 표준 CP-nets를 확률적 의미론으로 확장하기 위해.
• 지배성 및 최적성과 같은 선호도 확률의 실용적 계산을 가능하게 하기 위해.

제안 방법

• PCP-nets는 각 조건부 선호 진술에 확률 분포를 부여함으로써 표준 CP-nets를 확장한다.
• 모델은 선호 진술 간의 의존성을 표현하기 위해 베이지안 네트워크 유사 구조를 사용한다.
• CP-nets의 트리 구조적 성질을 활용하고 동적 프로그래밍 기법을 적용함으로써 효율적 추론을 가능하게 한다.
• 지배성 검사는 확률적 전파를 이용한 선형 시간 내의 네트워크 순회로 축소된다.
• 한 결과가 다른 결과보다 선호될 가능성은 조건부 확률의 경로 기반 집계를 통해 계산된다.
• 특정 결과가 최적일 가능성은 네트워크 구조를 기반으로 하향식으로 재귀적으로 평가하여 계산된다.

실험 결과

연구 질문

• RQ1 어떻게 하면 집단적 또는 노이즈가 있는 선호도를 압축적이고 확장 가능한 방식으로 모델링할 수 있는가?
• RQ2 확률적 선호도 네트워크에서 한 결과가 다른 결과보다 선호되는지 판단하는 데 필요한 계산 복잡도는 무엇인가?
• RQ3 주어진 결과가 최적일 가능성은 PCP-net에서 효율적으로 계산할 수 있는가?
• RQ4 확률이 포함된 CP-net에서 지배성을 선형 시간 내에 확인할 수 있는 방법이 있는가?

주요 결과

• 논문은 트리 구조적 CP-nets에서 지배성 검사를 위한 선형 시간 알고리즘을 제시하며, 이는 놀라운 성능 향상이다.
• PCP-net의 구조를 활용해 특정 결과가 다른 결과보다 선호될 가능성은 효율적으로 계산할 수 있다.
• 네트워크의 조건부 독립성 구조를 활용하여 특정 결과가 최적일 가능성은 다항 시간 내에 계산할 수 있다.
• PCP-nets는 다수의 개인으로부터의 선호도를 확률적 일관성 있게 집계하기 위한 자연스러운 프레임워크를 제공한다.
• 모든 경우를 나열하지 않고도 큰 선호도 공간에서의 스케일러블한 추론을 가능하게 한다.
• 이 방법은 불확실성 하에서 선호도 추출 및 의사결정 지원 시스템의 실용적 구현을 지원한다.