一万を超える変数を持つ大規模ベイジアンネットワーク学習法

抄録

近年, ベイジアンネットワークの大規模学習が注目されている. 最も大規模なベイジアンネットワーク学習手法として制約ベースアプローチであるRAIアルゴリズムの条件付き独立性検定にBayes factorを用いる手法が提案されている. 近年, より大規模なベイジアンネットワーク学習を実現するために, ベイジアンネットワークのある二変数の条件付き独立性から少なくとも一つの新たな条件付き独立性を保証する推移性をRAIアルゴリズムに用いる学習アルゴリズムが提案されている. しかし, 大規模学習では条件付き独立検定の精度が低下し, 学習の精度が下がってしまう問題がある. そこで, 本論では, (1) 信頼性の高い条件付き独立性検定のみを利用して推移性を用いたRAIアルゴリズムを高速に行い, (2) (1)で得られた構造を所与として厳密な学習を行う新たなアルゴリズムを提案する. 提案手法は, 従来手法に比べて大規模かつ高精度な学習を実現する. 大規模ネットワークを用いた比較実験により提案手法は一万を超える変数を持つベイジアンネットワークの構造学習を高精度に実現することを示す.