[论文解读] An N Time-Slice Dynamic Chain Event Graph

Rodrigo A. Collazo, Jim Q. Smith|arXiv (Cornell University)|Aug 17, 2018

Bayesian Modeling and Causal Inference参考文献 31被引用 4

一句话总结

本文提出了 N Time-Slice Dynamic Chain Event Graph (N T-DCEG)，这是一种新型的动态链事件图子类，旨在对具有上下文特定条件独立性的时齐马尔可夫过程进行建模。通过利用有限集合的对象通过无限树结构连接，N T-DCEG 实现了对复杂多变量动态过程的紧凑、可解释且具有因果可解释性的建模，并与动态贝叶斯网络（DBNs）建立了正式联系，后者是该模型类的一个特例。

ABSTRACT

The Dynamic Chain Event Graph (DCEG) is able to depict many classes of discrete random processes exhibiting asymmetries in their developments and context-specific conditional probabilities structures. However, paradoxically, this very generality has so far frustrated its wide application. So in this paper we develop an object-oriented method to fully analyse a particularly useful and feasibly implementable new subclass of these graphical models called the N Time-Slice DCEG (NT-DCEG). After demonstrating a close relationship between an NT-DCEG and a specific class of Markov processes, we discuss how graphical modellers can exploit this connection to gain a deep understanding of their processes. We also show how to read from the topology of this graph context-specific independence statements that can then be checked by domain experts. Our methods are illustrated throughout using examples of dynamic multivariate processes describing inmate radicalisation in a prison.

研究动机与目标

• 解决原始动态链事件图（DCEG）框架中存在的拓扑模糊性，这些模糊性阻碍了对动态过程的严格建模。
• 开发一种新的、实用的 DCEG 子类——称为 N 时隙 DCEG（N T-DCEG）——专门用于建模时齐马尔可夫过程。
• 提供一种使用有限组件通过无限树结构互联来构建和解释 N T-DCEGs 的方法论，从而实现对无限过程的可扩展建模。
• 建立 N T-DCEGs 与动态贝叶斯网络（DBNs）之间的正式联系，表明 DBNs 是该新模型类的一个特例。
• 使领域专家能够直接从图的拓扑结构中读取上下文特定的条件独立性陈述，从而促进模型验证和因果解释。

提出的方法

• 修订 DCEG 的基础定义，以消除早期表述中存在的拓扑模糊性。
• 基于由有限事件树 $\mathcal{T}_{-1}$ 和重复结构 $\mathcal{T}$ 定义的时间有序图（TOG）结构，引入 N T-DCEG 模型类，实现周期性、时齐建模。
• 使用带有彩色边的阶段树表示 $\mathcal{ST}$ 来编码条件概率，然后通过同构约化将其压缩为一个有限的、循环的 DCEG 图。
• 利用子树之间的图形和概率同构，确保时间切片之间的时间齐性和结构一致性。
• 应用映射函数 $f_t$ 跟踪时间切片之间的位置，确保相同的过程行为由等价的图位置表示。
• 利用 CEG 中的“位置”概念，通过拓扑等价性识别和验证上下文特定的条件独立性。

实验结果

研究问题

• RQ1 如何解决原始 DCEG 框架中的拓扑模糊性，以支持对动态过程的严格建模？
• RQ2 一个新且实用的 DCEG 子类——特别是 N T-DCEG——的结构和形式定义是什么？该子类支持时齐马尔可夫过程。
• RQ3 如何用一个有限的图形模型表示一个无限的动态过程，同时保持上下文特定的条件独立性和时间齐性？
• RQ4 动态贝叶斯网络（DBNs）类在何种意义上是所提出的 N T-DCEG 模型的一个特例？
• RQ5 领域专家如何直接从 N T-DCEG 的图拓扑中提取并验证上下文特定的独立性陈述？

主要发现

• N T-DCEG 模型通过利用周期性和时间齐性，为无限动态过程提供了有限的、循环的图形表示，从而实现了可扩展建模。
• 该模型在处于相同位置的阶段子树之间建立了正式的同构关系，确保了时间切片之间一致的概率行为。
• 本文证明：若 CEG $\mathbb{C}_T$ 中的两个情境处于相同位置，则在时间齐性和 TOG 结构下，从它们展开的过程在所有 $t \geq N-1$ 时均相同。
• 动态贝叶斯网络（DBNs）类被正式证明是 N T-DCEG 的一个特例，验证了其通用性以及与现有模型的兼容性。
• 上下文特定的条件独立性可直接从 N T-DCEG 的图拓扑中读取，使领域专家能够进行显式的、图形化的模型验证。
• 该模型支持因果解释与学习，可通过更可解释的、上下文特定的模型对 DBNs 进行细化，同时不损失可解释性。