論文の概要: Towards Complete Causal Explanation with Expert Knowledge

• arxiv url: http://arxiv.org/abs/2407.07338v1
• Date: Wed, 10 Jul 2024 03:20:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-11 18:01:18.561151
• Title: Towards Complete Causal Explanation with Expert Knowledge
• Title（参考訳）: 専門知識を用いた完全因果説明に向けて
• Authors: Aparajithan Venkateswaran, Emilija Perkovic,
• Abstract要約: 特定のエッジマークを含む最大祖先グラフ(MAG)のマルコフ同値クラスを制限する問題について検討する。 我々は、Ali et al. 2009からの予想を含むマルコフ同値類全体のある性質を証明した。 本論文では,従来のルールを一般化し,専門的な知識を本質的なグラフに付加する3つの健全な図形配向規則を提案する。
• 参考スコア（独自算出の注目度）: 2.1638817206926855
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the problem of restricting Markov equivalence classes of maximal ancestral graphs (MAGs) containing certain edge marks, which we refer to as expert knowledge. MAGs forming a Markov equivalence class can be uniquely represented by an essential ancestral graph. We seek to learn the restriction of the essential ancestral graph containing the proposed expert knowledge. Our contributions are several-fold. First, we prove certain properties for the entire Markov equivalence class including a conjecture from Ali et al. (2009). Second, we present three sound graphical orientation rules, two of which generalize previously known rules, for adding expert knowledge to an essential graph. We also show that some orientation rules of Zhang (2008) are not needed for restricting the Markov equivalence class with expert knowledge. We provide an algorithm for including this expert knowledge and show that our algorithm is complete in certain settings i.e., in these settings, the output of our algorithm is a restricted essential ancestral graph. We conjecture this algorithm is complete generally. Outside of our specified settings, we provide an algorithm for checking whether a graph is a restricted essential graph and discuss its runtime. This work can be seen as a generalization of Meek (1995).
• Abstract（参考訳）: 我々は,あるエッジマークを含む最大祖先グラフ(MAG)のマルコフ同値クラスを制限する問題について検討し,これを専門知識と呼ぶ。 マルコフ同値類を形成するMAGは、一意的に本質的な祖先グラフで表すことができる。 提案した専門家の知識を含む本質的な祖先グラフの制限について学ぶ。 私たちの貢献は数倍です。 まず、Ali et al (2009) からの予想を含むマルコフ同値類全体のある性質を証明する。 第二に、3つの健全なグラフィカルな配向規則を示し、そのうち2つは既知の規則を一般化し、専門的なグラフに専門的な知識を加える。 また、Zhang (2008) の配向規則は、専門家知識を持つマルコフ同値類を制限するために必要ではないことも示している。 我々は、この知識を包含するアルゴリズムを提供し、アルゴリズムが一定の設定で完備であること、すなわち、これらの設定では、アルゴリズムの出力は制限された本質的な祖先グラフであることを示す。 このアルゴリズムは一般に完成していると推測する。 指定された設定以外では、グラフが制限された必須グラフであるかどうかを確認し、その実行時について議論するアルゴリズムを提供する。 この研究は Meek (1995) の一般化と見なすことができる。

関連論文リスト

• The graph alignment problem: fundamental limits and efficient algorithms [0.9246334723892301]
  グラフ同型問題のノイズバージョンは、エッジの大部分を保存する2つのグラフのノード間のマッチングを見つけることを目的としている。 この論文は、この問題の基本的な情報理論的限界を理解すること、および、基礎となるデータのアライメントを回復できるアルゴリズムを設計および分析することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-04-18T15:31:13Z)
• Soft Reasoning on Uncertain Knowledge Graphs [85.1968214421899]
  本研究では,ソフト制約プログラミングの確立を動機とした,不確実な知識に対するソフトクエリの設定について検討する。 本稿では,大規模,不完全,不確実な知識グラフ上でのソフトクエリに応答する,前方推論と後方校正を併用したMLベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-03T13:13:53Z)
• A fast score-based search algorithm for maximal ancestral graphs using entropy [1.6886863417304705]
  実験データから未知のMAGを学習するためのほとんどのスコアベースのアプローチは、不安定性と重い計算に苦しむBICスコアに依存している。 我々は,経験的エントロピー推定と新たに提案されたエンプレフィング特性 citepassenhu2023 を用いて,イムセット citepstudeny2006確率でMAGをスコアリングするフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-07T11:56:34Z)
• From axioms over graphs to vectors, and back again: evaluating the properties of graph-based ontology embeddings [78.217418197549]
  埋め込みを生成するアプローチの1つは、名前付きエンティティと論理公理構造のためのノードとエッジのセットを導入することである。 グラフに埋め込む方法(グラフ射影)は、それらが利用する公理の種類と異なる性質を持つ。
  論文  参考訳（メタデータ） (2023-03-29T08:21:49Z)
• Towards Loosely-Coupling Knowledge Graph Embeddings and Ontology-based Reasoning [15.703028753526022]
  我々は、知識グラフの埋め込みにおけるデータ駆動力と、専門家や包摂体制から生じるドメイン固有の推論(OWL2)とを緩やかに結合することを提案する。 最初の結果から,バニラ知識グラフ埋め込みのMRR精度を最大3倍に向上し,知識グラフ埋め込みとルールマイニング,最大3.5倍MRRの推論を組み合わせたハイブリッドソリューションより優れていた。
  論文  参考訳（メタデータ） (2022-02-07T14:01:49Z)
• Fundamental Limits and Tradeoffs in Invariant Representation Learning [99.2368462915979]
  多くの機械学習アプリケーションは、2つの競合する目標を達成する表現を学習する。 ミニマックスゲーム理論の定式化は、精度と不変性の基本的なトレードオフを表す。 分類と回帰の双方において,この一般的かつ重要な問題を情報論的に解析する。
  論文  参考訳（メタデータ） (2020-12-19T15:24:04Z)
• Theoretical Rule-based Knowledge Graph Reasoning by Connectivity Dependency Discovery [2.945948598480997]
  本稿では,複数のルールタイプを介して,グラフ内の接続依存性をキャプチャするルールベースの知識グラフ推論の理論を提案する。 その結果,ルールディクトモデルは新しい三重項を正確に解釈するだけでなく,1つのベンチマーク知識グラフ補完タスクにおける最先端のパフォーマンスも達成できることがわかった。
  論文  参考訳（メタデータ） (2020-11-12T03:00:20Z)
• Learning Contextualized Knowledge Structures for Commonsense Reasoning [47.37838612541735]
  ハイブリッドグラフネットワーク(HGN)という新しいKG拡張モデルを提案する。 HGNは、統合されたグラフ構造内の両方について推論することで、抽出された知識と生成された知識を共同で文脈化することを学ぶ。 HGNの有効性は、4つのコモンセンス推論ベンチマークにおけるかなりの性能向上と、エッジの有効性と有用性に関するユーザスタディによって実証される。
  論文  参考訳（メタデータ） (2020-10-24T11:09:16Z)
• Hierarchical and Unsupervised Graph Representation Learning with Loukas's Coarsening [9.12816196758482]
  本稿では,属性グラフを用いた教師なしグラフ表現学習法を提案する。 このアルゴリズムは,教師なし表現学習手法における最先端技術と競合することを示す。
  論文  参考訳（メタデータ） (2020-07-07T12:04:38Z)
• Online Dense Subgraph Discovery via Blurred-Graph Feedback [87.9850024070244]
  我々は高密度サブグラフ発見のための新しい学習問題を導入する。 まず,確率の高いほぼ最適解を求めるエッジ時間アルゴリズムを提案する。 そして、理論的保証のあるよりスケーラブルなアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-06-24T11:37:33Z)
• Interpretable Deep Graph Generation with Node-Edge Co-Disentanglement [55.2456981313287]
  本稿では,属性グラフの深部生成モデルのための新しいアンタングルメント拡張フレームワークを提案する。 ノードとエッジのデコンボリューションのための新しいアーキテクチャを用いて、上記の3種類の潜伏因子を解離する新しい変分的目的を提案する。 各タイプ内では、画像の既存のフレームワークの一般化が示され、個々の因子のゆがみがさらに強化される。
  論文  参考訳（メタデータ） (2020-06-09T16:33:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。