[论文解读] Bayesian/Graphoid intersection property for factorisation models

Grégoire Sergeant-Perthuis|arXiv (Cornell University)|Mar 14, 2019

Bayesian Modeling and Causal Inference参考文献 6被引用 5

一句话总结

本文建立了一类因子分解模型的通用交集性质——将Pearl的图模型交集性质推广至层次模型子空间——通过一种新颖的证明方法，将Hammersley-Clifford定理推广至非有限图，并实现了条件独立性的直接几何解释。核心贡献在于，提出了一套统一框架，通过因子分解模型中的交集性质实现向量空间的分解。

ABSTRACT

We remark that Pearl's Graphoid intersection property, also called intersection property in Bayesian networks, is a particular case of a general intersection property, in the sense of intersection of coverings, for factorisation spaces, also coined as factorisation models, factor graphs or by Lauritzen in his reference book 'Graphical Models' as hierarchical model subspaces. A particular case of this intersection property appears in Lauritzen's book as a consequence of the decomposition into interaction subspaces; the novel proof that we give of this result allows us to extend it in the most general setting. It also allows us to give a direct and new proof of the Hammersley-Clifford theorem transposing and reducing it to a corresponding statement for graphs, justifying formally the geometric intuition of independency, and extending it to non finite graphs. This intersection property is the starting point for a generalization of the decomposition into interaction subspaces to collections of vector spaces.

研究动机与目标

• 将Pearl的图模型交集性质从贝叶斯网络推广至更广泛的因子分解模型类别。
• 通过将Hammersley-Clifford定理简化为图论命题，提出一种新颖且直接的证明方法，从而形式化条件独立性的几何直觉。
• 利用交集性质，将交互子空间的分解推广至任意向量空间集合。
• 通过因子分解空间中的交集性质，为非有限图模型中的条件独立性建立严格的理论基础。

提出的方法

• 在因子分解空间的语境中形式化交集性质，将其视为类似于Lauritzen图形模型中的层次模型子空间。
• 将覆盖理论中的通用交集性质应用于因子分解模型，推导其在条件独立性方面的含义。
• 运用新颖的证明技术，将Hammersley-Clifford定理转化为图论命题，避免依赖有限集合的假设。
• 通过将交集性质作为基础工具，将交互子空间的分解推广至向量空间集合。
• 建立因子分解模型中条件独立性与图结构之间 formally 的对应关系，实现几何解释。
• 应用交集性质，将有限图中的结果推广至非有限图，同时保持模型子空间代数结构的一致性。

实验结果

研究问题

• RQ1 如何将图模型交集性质从贝叶斯网络推广至因子分解模型？
• RQ2 是否能通过图论论证方式，以直接方式重证Hammersley-Clifford定理，从而为其几何直觉提供合理依据？
• RQ3 交集性质在实现任意向量空间集合向交互子空间分解中起到何种作用？
• RQ4 如何在保持条件独立性性质的前提下，将因子分解模型理论扩展至非有限图？
• RQ5 因子分解空间中覆盖交集与图形模型结构之间存在何种正式联系？

主要发现

• 本文建立了一类适用于因子分解模型的通用交集性质，该性质将Pearl的图模型交集性质作为特例包含在内。
• 通过将Hammersley-Clifford定理简化为图论命题，提出了一种新颖且直接的证明，为条件独立性的几何直觉提供了形式化依据。
• 利用交集性质作为基础原则，将交互子空间的分解推广至任意向量空间集合。
• 该框架可自然推广至非有限图，保持条件独立性陈述在有限情形之外的有效性。
• 交集性质使得在因子分解空间的视角下，能够统一处理有限与无限图形模型中的条件独立性。
• 研究结果为理解层次模型子空间中条件独立性的代数与几何基础提供了严谨的支撑。