[论文解读] 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 42

一句话总结

本文研究多个代理之间的共识信念是否能像个体代理的信念一样，使用图模型以相同效率进行表示。研究证明，标准信念组合方法通常会破坏条件独立性结构，但表明对数意见池（LogOP）能够保持共同的马尔可夫特性，从而可构建复杂度与精确贝叶斯推断相当的共识马尔可夫网络。

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.

研究动机与目标

• 确定多个代理之间的共识信念是否能像个体代理的信念一样，使用图模型实现同样简洁的表示。
• 研究在组合代理信念时，是否能保留常见的图拓扑结构和条件独立性结构。
• 评估在条件概率表内的局部聚合方法是否能在共识形成过程中保持图结构。
• 识别共识信念可表示为马尔可夫网络并保留条件独立性的条件。
• 开发一种基于对数意见池（LogOP）的高效算法，用于计算共识信念，同时保持结构一致性。

提出的方法

• 证明在温和假设下，任何信念组合方法都无法保留共同的图拓扑，即使所有代理在结构上达成一致。
• 分析信念组合对条件独立性的影响，表明标准方法通常会破坏马尔可夫特性。
• 提出对数意见池（LogOP）作为组合概率的方法，可保持代理间共同的马尔可夫独立性。
• 证明LogOP可通过保持条件独立性关系，实现共识马尔可夫网络的构建。
• 开发一种计算LogOP的算法，其时间复杂度与精确贝叶斯推断相当，确保计算上的可行性。
• 利用理论分析和图模型特性，建立共识表示保持简洁性的条件。

实验结果

研究问题

• RQ1 多个代理之间的共识信念是否能使用与个体代理信念相同结构简洁性的图模型进行表示？
• RQ2 标准信念组合方法是否能保留个体代理模型中存在的条件独立性结构？
• RQ3 在何种条件下，可构建一个保持与代理个体模型相同条件独立性特性的共识马尔可夫网络？
• RQ4 对数意见池（LogOP）是否可用于组合信念，从而保持共同的马尔可夫特性？
• RQ5 使用LogOP计算共识信念的计算复杂度是多少？与精确贝叶斯推断相比如何？

主要发现

• 如果代理具有不同的条件独立性假设，即使在结构上达成一致，任何信念组合方法都无法保留共同的图拓扑。
• 标准信念组合方法通常会破坏条件独立性关系，导致无法使用共享图模型表示共识。
• 对数意见池（LogOP）能保持共同的马尔可夫独立性，从而可构建共识马尔可夫网络。
• 当存在共享独立性假设时，LogOP方法可实现与个体代理模型相同图结构的共识信念表示。
• 所提出的LogOP计算算法具有与精确贝叶斯推断相当的时间复杂度，使其在实际应用中具备计算可行性。
• 本文建立了图模型共识表示的理论极限，表明结构保留仅在特定聚合规则（如LogOP）下可能实现。