Синтез вторичной структуры алгебраических байесовских сетей: инкрементальный алгоритм и статистическая оценка его сложности

Тип работы:
Реферат
Предмет:
Физико-математические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

НАУЧНО-ТЕХНИЧЕСКИИ ВЕСТНИК ИНФОРМАЦИОННЫХ ТЕХНОЛОГИИ, МЕХАНИКИ И ОПТИКИ январь-февраль 2016 Том 16 № 1 ISSN 2226−1494 http: //ntv. i1mo. ru/
SCIENTIFIC AND TECHNICAL JOURNAL OF INFORMATION TECHNOLOGIES, MECHANICS AND OPTICS January-February 2016 Vol. 16 No 1 ISSN 2226−1494 http: //ntv. ifmo. ru/en
УДК 004. 8
СИНТЕЗ ВТОРИЧНОЙ СТРУКТУРЫ АЛГЕБРАИЧЕСКИХ БАЙЕСОВСКИХ СЕТЕЙ: ИНКРЕМЕНТАЛЬНЫЙ АЛГОРИТМ И СТАТИСТИЧЕСКАЯ ОЦЕНКА
ЕГО СЛОЖНОСТИ
М.А. Зотов3, Д. Г. Левенеца, А.Л. Тулупьевa'- b, А.А. Золотина
a Санкт-Петербургский государственный университет, Санкт-Петербург, 199 178, Российская Федерация b СПИИРАН, Санкт-Петербург, 199 178, Российская Федерация Адрес для переписки: Alexander. tulupyev@gmail. com Информация о статье
Поступила в редакцию 14. 12. 15, принята к печати 20. 12. 15
doi: 10. 17 586/2226−1494−2016−16−1-122−132
Язык статьи — русский
Ссылка для цитирования: Зотов М. А., Левенец Д. Г., Тулупьев А. Л., Золотин А. А. Синтез вторичной структуры алгебраических байесовских сетей: инкрементальный алгоритм и статистическая оценка его сложности // Научно-технический вестник информационных технологий, механики и оптики. 2016. Т. 16. № 1. С. 122−132.
Аннотация
Предложен улучшенный алгоритм синтеза вторичной структуры алгебраических байесовских сетей, представленной в виде минимального графа смежности. Алгоритм отличается от предложенных ранее тем, что основывается на принципе инкрементализации, использует лишь особым образом отобранные ребра, исходящие из новой вершины, исключает оставшиеся избыточные ребра с помощью жадного алгоритма. Корректность работы инкрементального алгоритма обоснована математическим доказательством. Сравнение вычислительной сложности нового (инкрементального) алгоритма и двух известных (жадного и прямого) произведено с помощью статистических оценок сложности, построенных на основе выборки значений отношения времени работы программных реализаций двух сравниваемых алгоритмов. Теоретические оценки сложности жадного и прямого алгоритмов были получены ранее, но непригодны для осуществления компаративного анализа, поскольку опираются на скрытые характеристики вторичной структуры, которые можно вычислить лишь при ее построении. Для минимизации влияния случайных факторов при вычислении отношений использовано усредненное время работы программной реализации, полученное за счет K ее запусков на одном и том же наборе нагрузок. Выборка значений отношений сформирована для M таких наборов одинаковой мощности N. По выборке вычислены среднее геометрическое со статистиками, характеризующими разброс: границы 97% доверительного интервала, а также первый и третий квартили. Приведено описание алгоритмов стохастической генерации набора нагрузок заданной мощности, а также сбора статистических данных и вычисления статистических оценок отношения времени работы прямого и жадного алгоритма ко времени работы инкрементального алгоритма. Выполнена серия экспериментов, в которых N изменяется в диапазоне 1, 2.. 9, 10, 26, 42. 170. Результаты серии экспериментов, визуализированные с помощью графиков с использованием библиотеки Highcharts, показали, что инкрементальных алгоритм по скорости превзошел прямой и жадный алгоритмы, причем на диапазоне мощностей наборов нагрузок 10−170 этот вывод статистически достоверен (уровень 97%). Разработанный инкрементальный алгоритм предназначен для использования в решении задач машинного обучения алгебраических байесовских сетей. Ключевые слова
байесовские сети, синтез вторичной структуры, жадный алгоритм, инкрементальный алгоритм, вычислительная
сложность, статистическая оценка, минимальный граф смежности
Благодарности
Работа содержит материалы исследований, частично поддержанных грантом РФФИ 15−01−9 001 -«Комбинированный логико-вероятностный графический подход к представлению и обработке систем знаний с неопределенностью: алгебраические байесовские сети и родственные модели».
SYNTHESIS OF THE SECONDARY STRUCTURE OF ALGEBRAIC BAYESIAN NETWORKS: AN INCREMENTAL ALGORITHM AND STATISTICAL ESTIMATION OF ITS COMPLEXITY M.A. Zotova, D. G. Levenets3, A.L. Tulupyeva b, A. A. Zolotin3
a Saint Petersburg State University, Saint Petersburg, 199 178, Russian Federation b SPIIRAS, Saint Petersburg, 199 178, Russian Federation Corresponding author: Alexander. tulupyev@gmail. com
Article info
Received 14. 12. 15, accepted 20. 12. 15 doi: 10. 17 586/2226−1494−2016−16−1-122−132 Article in Russian
For citation: Zotov M.A., Levenets D.G., Tulupyev A.L., Zolotin A.A. Synthesis of the secondary structure of algebraic Bayesian networks: an incremental algorithm and statistical estimation of its complexity. Scientific and Technical Journal of Information Technologies, Mechanics and Optics, 2016, vol. 16, no. 1, pp. 122−132.
Abstract
An improved algorithm for the synthesis of the secondary structure of algebraic Bayesian networks represented by a minimal join graph is proposed in the paper. The algorithm differs from the previously offered one so that it relies on the incremental principle, uses specially selected edges and, finally, eliminates redundant edges by a greedy algorithm. The correct operation of the incremental algorithm is mathematically proved. Comparison of the computational complexity of the new (incremental) algorithm implementation and two well-known (greedy and direct) is made by means of statistical estimates of complexity, based on the sample values of the runtime ratio of software implementations of two compared algorithms. Theoretical complexity estimates of the greedy and direct algorithms have been obtained earlier, but are not suitable for comparative analysis, as they are based on the hidden characteristics of the secondary structure, which can be calculated only when it is built. To minimize the influence of random factors at calculating the ratio average program runtime is used obtained by N launches on the same set of workloads. The sample values of ratio is formed for M sets of equal power K. According to the sample values the median is calculated, as well as the other statistics that characterize the spread: borders of the 97% confidence interval along with the first and the third quartiles. Sets of loads are stochastically generated according to the specified parameters using the algorithm described in the paper. The stochastic algorithms generating a set of loads with given power, as well as collecting the statistical data and calculating of statistical estimates of the ratio of forward and greedy algorithm to the incremental algorithm runtimes is described in the paper. A series of experiments is carried out in which N is changed in the range 1, 2 … 9, 10, 26, 42 … 170. They have showed that the incremental algorithm speed exceeds the forward and greedy ones, moreover in the 10−170 load sets power range this finding is statistically significant (97% level). The results of experiments are visualized using a graphs library Highcharts. The developed incremental algorithm is designed for application in problems solving of algebraic Bayesian networks machine learning. Keywords
Bayesian networks, secondary structure synthesis, greedy algorithm, incremental algorithm, computational complexity,
statistical estimate, minimal joint graph
Acknowledgements
The paper contains results of research partially supported with RFBR grant No. 15−01−9 001 — «Combined probabilistic-logic graphical approach to representation and processing of uncertain knowledge systems: algebraical Bayesian networks and related models».
Введение
Возрастающие с каждым днем объемы данных форсируют изучение методов их обработки [1], вынуждая постоянно совершенствовать подходы к преобразованию полученных «знаний». Зачастую размеры полученных данных, присутствующая в них неопределенность, связанная с нехваткой данных или их неточностью [2], а также общая связность системы в совокупности порождают проблему, для решения которой в информатике и искусственном интеллекте используется декомпозиция исходной системы на совокупность подсистем с целью локализовать вычисления, тем самым экспоненциально сократив затраты на решение поставленной задачи. Такие представители класса вероятностных графических моделей, как байесовские сети доверия, а также родственные им алгебраические байесовские сети (АБС), допускающие разбиение исходных данных на совокупности локально тесно связанных между собой объектов [3], позволяют существенно ускорить процедуру обработки новых поступающих данных (так называемых свидетельств), а также являются гибкой структурой, способной перестраиваться с учетом новых условий.
Байесовские сети доверия находят широкое применение в отрасли логистики при построении цепи поставок [4], выявлении как внутренних [5, 6], так и внешних [7] угроз и рисков для бизнеса, а также в некоторых областях исследовательской медицины [8, 9], экологических прогнозах [10, 11] и системах помощи принятия решений [12].
Однако серьезной проблемой на пути широкого применения некоторых классов вероятностных графических моделей являются необходимые затраты памяти и времени для построения их вторичной структуры или, более точно, ее машинного обучения. Например, машинное обучение байесовских сетей доверия проводится с помощью «обезьяньего поиска» [13], а также с использованием инкрементального алгоритма [14, 15], о применении, точнее, о разработке одного из шагов аналога которого в отношении АБС пойдет речь далее в настоящей работе.
Вторичная структура АБС, с одной стороны, позволяет осуществить ряд других операций машинного обучения, включая обучение параметров или локальное обучение, а с другой стороны, даже вне контекста машинного обучения эта структура используется во всех видах глобального логико-вероятностного вывода. Все эти операции возможны только тогда, когда вторичная структура АБС в определенном смысле минимальна и не содержит циклов.
Особенностью применения инкрементального алгоритма к построению вторичной структуры АБС видится то, что в каждый из к моментов времени мы переходим из предыдущего состояния с уже имеющейся построенной вторичной структурой в новое, главным отличием которого является новая вершина (фрагмент знаний), которую необходимо добавить в граф вторичной структуры. В то время как традиционные алгоритмы предоставляют единственное решение для конкретной постановки задачи, инкрементальный алгоритм позволяет адаптировать уже имеющуюся структуру и рассчитан на использование в меняющихся условиях с ограничениями на ресурсы и время [16].
В теории АБС в качестве вторичной структуры сети используется граф смежности [17−19], причем в ряде контекстов обработки и преобразования АБС требуется применение минимального графа смежности или даже дерева смежности (т.е. графа смежности без циклов). Алгоритмы синтеза минимального графа смежности по первичной структуре АБС (в данном случае достаточно говорить о корректном наборе нагрузок вершин) были предложены [20−23], однако их реализации оказались недостаточно быстрыми как для оператора, строящего вторичную структуру при последовательном внесении вершин, так и для разного рода переборных алгоритмов, которые на каждом своем шаге удаляют или вносят одну вершину в граф [19, 22, 24, 25].
Цель настоящей работы — автоматизировать синтез вторичной структуры АБС с помощью нового инкрементального алгоритма, улучшенного за счет отбора ребер, исходящих из вносимой в структуру новой вершины. Кроме того, требуется с использованием вычислительных экспериментов показать, что новый алгоритм ускоряет процесс синтеза или, иными словами, что отношение производительностей программных реализаций двух алгоритмов, описанных ранее [20, 21, 23−25], и нового алгоритма статистически значимо превосходит единицу на случайном образом сформированной выборке наборов исходных данных.
Определения, обозначения и методы
Воспользуемся системой терминов и обозначений, сложившихся в [17, 18, 22]. Пусть задан конечный алфавит символов А, а непустые множества символов (без повторов) — слова — рассматриваются как возможные значения нагрузок вершин графов (в основном, графов смежности) и их ребер. В контексте настоящей работы вершины и их нагрузки соотносятся взаимооднозначно, поэтому мы будем использовать соответствующие им обозначения и и Щ1 взаимозаменяемо.
Назовем неориентированный граф С = (У, Е) графом смежности, если он удовлетворяет следующим условиям:
1. Уи, V Е V таких, что существует некоторый путь Р в графе С такой, что для каждой вершины б Е Р справедливо утверждение? И^-
2. ЕУ (и, р) Е Е.
Граф смежности с минимальным и максимальным числом ребер мы будем называть минимальным графом смежности (МГС) и максимальным графом смежности соответственно. Путь в п. 1 определения графа смежности называется магистральным или магистралью. Граф смежности, определенный таким образом, обладает свойством магистральной связности. Пересечение нагрузок двух вершин будем называть сепаратором, а набор объектов, доступных по индексу, — списком. Под покрытием ребра понимается множество вершин графа, пересечение нагрузок которых с сепаратором этого ребра не пусто. Установле -но, что система графов смежности над заданным набором нагрузок является матроидом [20, 21].
Синтез минимального графа смежности — вторичной структуры АБС — в настоящей работе описан в виде алгоритма, отличающегося тем, что, во-первых, он основывается на принципе инкрементализации, во-вторых, использует лишь особым образом отобранные ребра, исходящие из новой вершины, и, в-третьих, исключает избыточные ребра с помощью жадного алгоритма. Корректность работы инкрементального алгоритма обоснована математическим доказательством.
Теоретические оценки сложности жадного и прямого алгоритмов были получены ранее, но они непригодны для осуществления компаративного анализа [19, 22, 23]. Основанием для заключения о том, что реализация инкрементального алгоритма превосходит реализацию известных (жадного и прямого), является расположение относительно единицы доверительного интервала отношения их производительности на случайной выборке исходных данных — наборов нагрузок [24, 25]. Если весь доверительный интервал лежит выше единицы, то инкрементальный алгоритм считается более производительным, если ниже, то менее. Если доверительный интервал накрывает единицу, то такой вывод не делается, однако на основе более детального анализа возможны заключения о преобладающей тенденции.
Для минимизации влияния случайных факторов при вычислении отношений используется усредненное время работы программной реализации, полученное за счет К ее запусков на одном и том же наборе нагрузок. Выборка значений отношений формируется для М таких наборов одинаковой мощности N. По выборке вычисляются среднее геометрическое (экспонента среднего логарифмов отношений), а также статистики, характеризующие разброс: границы 97% доверительного интервала, первый и третий
квартили. Наборы нагрузок по заданным параметрам генерируются стохастически с помощью описанного в работе алгоритма.
Выполняется серия экспериментов, в которых N изменяется в определенном диапазоне с заданным шагом. Результаты серии экспериментов визуализируются с помощью графиков с использованием библиотеки Highcharts. Отметим, что в качестве меры центральной тенденции выбрано среднее геометрическое, так как именно оно участвует в построении доверительного интервала.
Стохастическая генерация наборов нагрузок
Для проведения вычислительных экспериментов, анализ результатов которых позволит судить об относительных сложностях рассматриваемых алгоритмов, требуется реализовать алгоритм стохастической генерации наборов нагрузок. Такой алгоритм был предложен в [24], но обладал следующим недостатком: не гарантировалось, что при формировании нагрузки из count элементов для очередной вершины такая нагрузка будет сформирована ровно за count шагов. В связи с этим в настоящей работе предложен новый алгоритм (листинг 1), обеспечивающий формирование нагрузки для вершины ровно за count шагов.
input: N, alphabet, distributions //Число генерируемых вершин, алфавит для
// генерации
output: V = {v1, v2, …, vN} //и распределения нагрузок вершин
1: function TestSets
2: nodes = 0
3: foreach (distrib in distributions) //Генерация множества нагрузок для каждого
4: subNodes = 0 //распределения
5: countNodes = asInt (N * distrib. percent)
6: while (getLength (subNodes) ^ countNodes)
7: weightOfNode = 0
8: count = getRandom (distrib. min, distrib. max)
9: alphabetCopy = alphabet
10: while (getLength (weightOfNode) ^ count) //Формирование нагрузки
11: index = getRandom (0, getLength (alphabetCopy)) //для одной вершины
12: elementWeight = alphabetCopy[index]
13: alphabetCopy = alphabetCopy alphabetCopy[index]
14: weightOfNode = weightOfNode U elementWeight
15: if (newNode (weightOfNode) not in subNodes) then // Проверка на
// уникальность
16: subNodes = subNodes U newNode (weightOfNode)
17: nodes = nodes U subNodes
18: return nodes
Листинг 1. Алгоритм стохастической генерации наборов нагрузок У каждого элемента алфавита существует ненулевая вероятность попасть в нагрузку вершины.
Следовательно, возможно любое сочетание нагрузок вершин, а именно это и нужно для исследования относительных сложностей алгоритмов синтеза минимального графа смежности.
Инкрементальный алгоритм синтеза минимального графа смежности
На первом шаге пополнения уже построенного минимального графа смежности G новой вершиной и требуется провести в нем новые ребра, исходящие из и в другие вершины графа, причем, с одной стороны, пополненный граф должен остаться графом смежности, а с другой стороны, среди новых ребер не должно оказаться заведомо избыточных. Для построения такого набора ребер введем функцию
GetVerticesToConnect (G, u) (листинг 2).
input: G = & lt-V, E>-, v output: V'-
1: function GetVerticesToConnect
2: S = 0
3: V'- = 0
4: H = & lt-{V'-, S}>- //Множество упорядоченных пар вершина-сепаратор
5: foreach (v in V)
6: sep = Wun Wv
7: if (sep = 0)
8: continue
9: AddAllowed = true //Уникальность вершины и соотв-щий ей сепаратор
10: foreach (s in H. S)
11: if (sep Q s)
12: AddAllowed = false
13: break foreach
14: if (sep 3 s)
15: H = H {(v, •)} //Удаление упорядоченной пары
16: if (AddAllowed)
17: H = H U {(s, sep)}
18: return H. V'-
Листинг 2. Функция GetVerticesToConnect
Рассмотрим подробно строки 10−17. Вычисленный в строке 6 сепаратор сравнивается со всеми сепараторами 5 из Н. При этом возможны три случая.
1. Сепаратор является подмножеством s или равен ему (строка 11). Это означает, что вершины, имеющие сепаратор s уже связаны с и, и добавление еще одного ребра с такой же нагрузкой избыточно (строка 12). Более того, при добавлении этого ребра произойдет образование в графе G цикла, с нагрузкой 5 (см. пример на рис. 1, а).
(^аЫ^-& lt-ab>--{^abe^) (^bd^-& lt-ab>---CObe^J («м) (abe^
& lt-а>- & lt-а>- & lt-а>- & lt-а>- & lt-а>- & lt-а>- & lt-а>- & lt-а>-
асу -& lt-С>--ч^У К^У-& lt-С>--аС -& lt-С>--^
а б
Рис. 1. Цикл с нагрузкой (а) (а) — ребро (а) поглощается (аЬ) (б) — a-f — элементы алфавита символов
2. 5 является подможеством сепаратора (строка 14). В этом случае новое ребро покроет собой все вершины, которые покрывались ребром с нагрузкой 5, и, возможно, еще некоторые. Это означает, что после добавления нового ребра ребро с нагрузкой 5 станет избыточно, и его нужно удалить из Н (строка 15) (см. пример на рис. 1, б).
3. Все остальные случаи (рис. 2). Тогда сепараторы либо не пересекаются, либо пересекаются частично, а значит, каждый из них покрывает свое уникальное множество вершин и не может быть поглощен другим (рис. 2, а). Следует отметить, что если пересечение сепараторов не пусто, то в граф может добавиться неэлиминируемый цикл с нагрузкой (рис. 2, б), равной их пересечению (если нагрузка ребра не между вершинами в не является подмножеством нового ребра).
(а^-& lt-ab>---(abe^) (a^-& lt-ab>-~{^abe^ ~& lt-ab>-~ ^
-& lt-ab>-- {abe)
& lt-а>- & lt-а>- & lt-ае>- & lt-аЛ>- & lt-а (1>- & lt-ае>-
^и/^
а б
Рис. 2. Элиминируемый цикл с нагрузкой (а) (а) — неэлиминируемый цикл с нагрузкой (а) (б) —
a-f — элементы алфавита символов
Если после описанных выше проверок значение флага AddAllowed осталось истинным, то множество Н дополняется новой упорядоченной парой (у, Ши П), и, после завершения цикла/обхода всех вершин V графа в, будет состоять из минимального по мощности множества вершин и их сепараторов, добавление ребра к которым необходимо для сохранения свойств магистральности графа в.
Теорема. Пусть С = (V, Е) — минимальный граф смежности, V — добавляемая в него вершина, V'- = Уи {V}, Н = {Ъ: ЪЕУ, Ш,1ПШГ Ф0 ЧК ЕН: ЪЛ'- ФЪ, Ъ? К} а Е'- = Е и {{и, w}: w Е Н}, тогда С = (У'-, Е'-) — граф смежности.
Доказательство. Возьмем любые две вершины б, г Е С'-. Возможны два случая.
Первый — сепаратор 5 и г Ф0, тогда докажем, что в С вершины 5 и г магистрально связаны. Предположим, что обе вершины принадлежат исходному графу, тогда, по определению графа смежности, между ними существует магистраль. Если же одна из вершин не принадлежит исходному графу, то она совпадает с вершиной V, а значит, по определению множества Е'- = Е и {{и, w}: № Е Н] и по построению множества Н между ними существует магистраль.
Второй — сепаратор 5 и г Ф0, тогда докажем, что в С не существует ребра между этими вершинами. Предположим, что обе вершины принадлежат исходному графу, тогда, по определению графа смежности, между ними не существует ребра. Если же одна из вершин не принадлежит исходному графу, то она совпадает с вершиной V (б = V или г = V), а значит, по определению множества Е'- = Е и {{и, ш}:ш Е Н} и по построению множества Н в графе С между ними не существует ребра.
Таким образом, любая пара вершин, имеющих непустое пересечение нагрузок, соединена магистралью, а вершины, нагрузки которых не пересекаются, не соединены ребром. Граф, обладающий таким свойством, является графом смежности, но не обязательно минимальным.
input: G = & lt-v, e>-, v output: G'- = & lt-V'-, E'->-
1: function SmartIncremental
2: E'- = E
3: V'- = V U {v}
4: foreach (u in GetVerticesToConnect (G, v))
5: E'- = E'- U {{u, v}}
6: G'- = & lt-V'-, E'->-
7: while (true)
8: edge = 0
9: foreach (e in E'-)
10: if (e. RemoveAllowed) then
11: edge = e
12: break foreach //Выход из foreach
13: if (edge == 0) then
14: break while //Выход из while
15: if (PathExists (G'-, edge, edge. First, edge. Second)) then
16: E'- = E'- {edge}
17: else
18: edge. RemoveAllowed = false
19: return G'-
Листинг 3. Алгоритм инкрементального добавления вершины в минимальный граф смежности
Описанные выше результаты использованы в алгоритме на листинге 3. Этот алгоритм инкремента-лен, он добавляет новую вершину в минимальный граф смежности. Ему на вход поступают уже существующий минимальный граф смежности С и новая вершина, а алгоритм возвращает минимальный граф смежности С'- с добавленной новой вершиной. Алгоритм улучшен в части предварительного отбора новых ребер.
Код алгоритма делится на две части. В первой части (строки 2−6) для исходного графа С вычисляется минимальное по мощности множество вершин, проведение ребер от которых в новую вершину обеспечит магистральность графа С, т. е. сделает его графом смежности, и для каждой такой вершины в граф добавляется соответствующее ребро. Во второй части (строки 7−18) из графа удаляются все ребра, отсутствие которых не нарушает магистральную связность графа. Рассмотрим эту часть подробнее.
Сначала во множество вершин V'- добавляются новая вершина V и все вершины исходного графа С (строка 3). Далее формируется минимальное множество вершин, добавление ребра к которым необходимо для сохранения свойств смежности, и для каждой такой вершины и (строка 4) во множество ребер Е'- добавляется соответствующее ребро {у, и} (строка 5).
После добавления новой вершины и новых ребер формируется граф смежности G'-. Далее из G'- необходимо удалить все те ребра, отсутствие которых не приведет к нарушению магистральных связей (строки 7−18). Данное преобразование описано, а также улучшено в [20, 21, 24, 25]. В его результате граф G'- станет минимальным графом смежности.
Дизайн эксперимента
Для сбора статистических данных, указанных в разделе «Стохастическая генерация наборов нагрузок», разработан алгоритм Experiment (листинг 4), который вычисляет отношение времени работы выбранного алгоритма (прямого или жадного) ко времени работы инкрементального. На вход алгоритму подаются:
— N — число нагрузок, которые требуется сгенерировать-
— alphabet — алфавит, из которого формируются нагрузки-
— distributions — распределения или правила, по которым формируются нагрузки-
— distribution — распределение нагрузки вершины, которая будет рассматриваться как поступающая «новая" —
— Algorithm — алгоритм синтеза минимального графа смежности.
input: N, alphabet, distributions, distribution, Algorithm output: sortedRatios
1: function Experiment
2: m = 15
3: ratioOfTimes = 0
4: for (i=0- i & lt- m- i++) //Вычисления на различных наборах данных
5: timeForAlgorithm = 0
6: timeForIncremental = 0
7: k = 65
8: v = TestSets (1, alphabet, distribution) //Новая вершина
9: V = TestSets (N, alphabet, distributions) //Множество вершин с нагрузками
10: E = 0
11: G = & lt-V, E>-
12: G = Algorithm (G) //Граф, в который будет добавляться новая вершина v
13: for (j=0- j & lt- k- j++) //Вычисления на одном и том же наборе данных
14: timeForAlgorithm += getTime (Algorithm (& lt-G.V Uv, 0& gt-))
15: timeForIncremental += getTime (Incremental (& lt-G.V Uv, G. E))
//Подсчет среднего времени для двух алгоритмов 16: avgTimeForSameDataAlgorithm = timeForAlgorithm / k 17: avgTimeForSameDataIncremental = timeForIncremental / k 18: ratioOfTimes. Add (avgTimeForSameDataAlgorithm / avgTimeForSameDataIncremental)
19: sortedRatios = ratioOfTimes. Sort () //Отсортированное множество отношений
20: return sortedRatios
Листинг 4. Алгоритм эмпирической оценки времени работы инкрементального и прямого (жадного) алгоритмов
На каждом шаге внешнего цикла (строки 4−18) формируются новые данные (строки 8−12), по которым вычисляется отношение среднего времени выполнения алгоритмов (строки 16−17). В результате будет сформирован список из отношений среднего времени выполнения алгоритмов (среднее вычисляется на одном и том же наборе данных) на различных данных. Список ratioOfTimes сортируется по возрастанию и подается на выход алгоритма.
Таким образом, алгоритм Experiment формирует результаты статистических экспериментов, проведенных для мощности в N вершин с заданным алфавитом и распределениями. Для получения таких статистик, как среднее, среднее геометрическое (экспонента среднего логарифмов отношений), медиана, первый и третий квартиль, первый и девятый дециль, верхняя и нижняя граница доверительного интервала, дисперсия, максимум и минимум, а также других остается лишь обработать соответствующим образом список, полученный на выходе алгоритма.
Дискуссия
Эксперименты были выполнены согласно описанию из предыдущего раздела и из раздела «Определения, обозначения и методы» на наборах, содержащих 1, 2, …, 9, 10, 26, 42, 58, …, 154, 170 нагрузок. Результаты экспериментов для сравнения скорости работы реализаций жадного и инкрементального алгоритмов представлены на рис. 3, для прямого и инкрементального — на рис. 4.
0
50 100
Число вершин
-R+ ¦ ¦ ¦ ¦ Q3 — Rg ¦ ¦ ¦ ¦ Q1 — - R-
150

к к
tu
В
о к н О
50
40
30
20
10
50 100
Число вершин
150
& quot-"- 03 — Rg ¦ ¦ 01 -- па б Рис. 3. Жадный и инкрементальный алгоритмы. Алфавит 48 символов. 100% вершин 3−5 порядков (а)
20% - 6−9 порядков (б)
0
10
R+
50 100
Число вершин -03 -Rg-Ol -R-а
150
R+
50 100
Число вершин
03 ~Rg -01 -R-б
150
Рис. 4. Прямой и инкрементальный алгоритмы. Алфавит 48 символов. 100% вершин 3−5 порядков (а) —
20% - 6−9 порядков (б)
Каждый график представляет собой визуализацию результатов статистической обработки выходных данных алгоритма Experiment. В качестве статистик были выбраны такие величины, как среднее геометрическое (на графиках Rg), первый и третий квартили (на графиках Q1 и Q3 соответственно), верхняя и нижняя границы доверительного интервала (на графиках R- и R+ соответственно). По оси абсцисс откладывалась число нагрузок в наборе (совпадает с числом вершин в синтезируемом графе), по оси ординат — отношение скоростей работы: во сколько раз прямой (жадный) алгоритм работает дольше, чем инкрементальный. Кроме того, при необходимости на графиках проведена горизонтальная прямая, параллельная оси абсцисс и имеющая значение ординаты, равное 1. Именно эта линия позволяет визуально определить, имеется ли статистически достоверное различие в скоростях алгоритмов. Анализ графиков показал, что в поддиапазоне мощностей 1−10 графики статистик плохо различимы и относительно близки, поэтому визуализация результатов из поддиапазона 1−10 размещена на масштабированных врезках.
Анализ рис. 3 позволяет сделать вывод о том, что инкрементальный алгоритм существенно превосходит в скорости работы жадный в поддиапазоне 10−170, что хорошо видно, в частности, на рис. 3, б. Для иллюстрации масштаба временных затрат отметим, что время выполнения алгоритма Experiment при N = 100 составило 222 735 мс, общее время работы жадного алгоритма — 110 387 мс, инкрементального — 5408 мс. В поддиапазоне 1−10 имеет место нестабильный характер отношения скоростей работы, а именно: нижняя граница доверительного интервала находится ниже 1 (на рис. 3, а), а верхняя — выше.
0
0
Таким образом, нельзя сделать статистически обоснованный вывод с заданной достоверностью о том, что на данном поддиапазоне инкрементальный алгоритм работает быстрее жадного.
Анализ рис. 4 также позволяет сделать вывод, что инкрементальный алгоритм превосходит прямой в скорости работы (см., в частности, рис. 4, б). Время выполнения алгоритма Experiment при N = 100 составило 162 244 мс, общее время работы прямого алгоритма — 44 458 мс, инкрементального — 5678 мс. Однако видно, что отношение скоростей начинает «расти медленнее» к мощности графа в 170 вершин, что нельзя сказать об отношении скоростей программных реализаций жадного и инкрементального алгоритмов.
Заключение
В работе предложен инкрементальный алгоритм, обеспечивающий ускоренный (по сравнению со случаем прямого и жадного алгоритмов) синтез вторичной структуры алгебраических байесовских сетей в виде минимального графа смежности. Алгоритм дополнительно улучшен тем, что производится отбор кандидатов в новые ребра: при построении связей из новой вершины берется не вся возможная совокупность исходящих из нее ребер в вершины, нагрузки которых имеют попарно непустые пересечения с нагрузкой новой, а лишь те из них, сепаратор на которых отвечает определенным условиям.
Анализ экспериментальных данных показал, что инкрементальный алгоритм на диапазоне 10−170 мощности наборов нагрузок работает в несколько раз и в десятки раз быстрее, чем прямой и жадный алгоритмы соответственно- на диапазоне 1−10 преимущество инкрементального алгоритма также имеет место, хотя и на меньшей доле элементов выборки.
Хотя в работе основное внимание уделено автоматизации построения вторичной структуры алгебраической байесовской сети, стоит отметить, что данные алгоритмы могут быть применимы также при построении графовых баз данных [22, 26], превосходящих [27] реляционные, в частности, в решении таких задач, как внесение изменений в схему базы и удовлетворение ограничений [28, 29]. В этих областях активно проводятся исследования, нацеленные на их сближение с областью применения графовых структур. Отметим, что эти исследования имеют прямое практическое применение, поскольку оптимизация запросов к базе данных [30] является немаловажным фактором работоспособности всей информационной системы в целом.
Литература
1. Wang X.D. Data mining in network engineering-Bayesian networks for data mining // Proc. Int. Conf. on Education, Management, Commerce and Society. Shenyang, China, 2015. V. 17. P. 412−417.
2. Benferhat S., Tabia K. Inference in possibilistic network classifiers under uncertain observations // Annals of Mathematics and Artificial Intelligence. 2012. V. 64. N 2−3. P. 269−309. doi: 10. 1007/s10472−012−9290−1
3. Stratford D.S., Croft K.M., Pollino C.A. Knowledge representation using Bayesian networks and ontologies // Proc. 20th Int. Congress on Modelling and Simulation (ModSim 2013). Adelaide, Australia, 2013. P. 29 802 986.
4. Lockamy A., McCormack K. Modeling supplier risks using Bayesian networks // Industrial Management & amp- Data Systems. 2012. V. 112. N 1−2. P. 313−333. doi: 10. 1108/2 635 571 211 204 317
5. Axelrad E.T., Sticha P.J., Brdiczka O., Shen J.Q. A Bayesian network model for predicting insider threats // Proc. 2nd IEEE CS Security and Privacy Workshops (SPW 2013). San Francisco, USA, 2013. P. 82−89. doi: 10. 1109/SPW. 2013. 35
6. Hu Y., Zhang X.Z., Ngai E.W.T., Cai R.C., Liu M. Software project risk analysis using Bayesian networks with causality constraints // Decision Support Systems. 2013. V. 56. P. 439−449. doi: 10. 1016/j. dss. 2012. 11. 001
7. Xu C., Xu G.Q., Li X.H., Feng Z.Y., Meng Z.P. Approach to security attack pattern networks on the basis of Bayesian networks // Applied Mathematics & amp- Information Sciences. 2013. V. 7. P. 233−241.
8. Wu X., Wen X.Y., Li J., Yao L. A new dynamic Bayesian network approach for determining effective connectivity from fMRI data // Neural Computing & amp- Applications. 2014. V. 24. N 1. P. 91−97. doi: 10. 1007/s00521−013−1465−0
9. Liu K.F.R., Lu C.F., Chen C.W., Shen Y.S. Applying Bayesian belief networks to health risk assessment // Stochastic Environmental Research and Risk Assessment. 2012. V. 26. N 3. P. 451−465. doi: 10. 1007/s00477−011−0470-z
10. Forio M.A.E., Landuyt D., Bennetsen E., Lock K., Nguyen T.H.T., Ambarita M.N.D., Musonge P.L.S., Boets P., Everaert G., Dominguez-Granda L., Goethals P.L.M. Bayesian belief network models to analyse and predict ecological water quality in rivers // Ecological Modelling. 2015. V. 312. P. 222−238. doi: 10. 1016/j. ecolmodel. 2015. 05. 025
11. Murray J.V., Stokes K.E., van Klinken R.D. Predicting the potential distribution of a riparian invasive plant: the effects of changing climate, flood regimes and land-use patterns // Global Change Biology. 2012. V. 18. N 5. P. 1738−1753. doi: 10. 1111/j. 1365−2486. 2011. 2 621. x
12. Francis R.A., Guikema S.D., Henneman L. Bayesian belief networks for predicting drinking water distribution system pipe breaks // Reliability Engineering & amp- System Safety. 2014. V. 130. P. 1−11. doi: 10. 1016/j. ress. 2014. 04. 024
13. Mittal S., Gopal K., Maskara S.L. A novel Bayesian belief network structure learning algorithm based on bio-inspired monkey search meta heuristic // Proc. 2014 7th Int. Conf. on Contemporary Computing (IC3). Noida, India, 2014. P. 141−147.
14. Li S.H., Zhang J., Sun B.L., Lei J. An incremental structure learning approach for Bayesian network // Proc. 26th Chinese Control and Decision Conference (2014 CCDC). Changsha, China, 2014. P. 4817−4822.
15. Samet S., Miri A., Granger E. Incremental learning of privacy-preserving Bayesian networks // Applied Soft Computing. 2013. V. 13. N 8. P. 3657−3667. doi: 10. 1016/j. asoc. 2013. 03. 011
16. Sharp A.M. Incremental Algorithms: Solving Problems in a Changing World. PhD Dissertation. Cornell University, USA, 2007. 121 p. Available at: http: //www. cs. cornell. edu/~asharp/papers/thesis. pdf.
17. Тулупьев А. Л. Алгебраические байесовские сети: глобальный логико-вероятностный вывод в деревьях смежности. СПб.: СПбГУ-Анатолия, 2007. 40 с.
18. Тулупьев А. Л., Сироткин А. В., Николенко С. И. Байесовские сети доверия: логико-вероятностный вывод в ациклических направленных графах. СПб.: СПбГУ, 2009. 400 с.
19. Тулупьев А. Л., Столяров Д. М., Ментюков М. В. Представление локальной и глобальной структуры алгебраической байесовской сети в Java-приложениях // Труды СПИИРАН. 2007. № 5. С. 71−99.
20. Опарин В. В., Тулупьев А. Л. Синтез графа смежности с минимальным числом ребер: формализация алгоритма и анализ его корректности // Труды СПИИРАН. 2009. № 11. C. 142−157.
21. Опарин В. В., Фильченков А. А., Сироткин А. В., Тулупьев А. Л. Матроидное представление семейства графов смежности над набором фрагментов знаний // Научно-технический вестник СПбГУ ИТМО. 2010. № 4 (68). С. 73−76.
22. Фильченков А. А. Синтез графов смежности в машинном обучении глобальных структур алгебраических байесовских сетей. Дис. … канд. физ. -мат. наук. Самара, 2013. 339 с.
23. Фильченков А. А., Тулупьев А. Л., Сироткин А. В. Минимальные графы смежности алгебраической байесовской сети: формализация основ синтеза и автоматического обучения // Нечеткие системы и мягкие вычисления. 2011. Т. 6. № 2. С. 145−163.
24. Зотов М. А., Тулупьев А. Л. Синтез вторичной структуры алгебраических байесовских сетей: методика статистической оценки сложности и компаративный анализ прямого и жадного алгоритмов // Компьютерные инструменты в образовании. 2015. № 1. C. 3−18.
25. Зотов М. А., Тулупьев А. Л., Сироткин А. Л. Статистические оценки сложности прямого и жадного алгоритмов синтеза вторичной структуры алгебраических байесовских сетей // Нечеткие системы и мягкие вычисления. 2015. Т. 10. № 1. С. 75−91.
26. Konstantinou N., Spanos D.E., Kouis D., Mitrou N. An approach for the incremental export of relational databases into RDF graphs // International Journal on Artificial Intelligence Tools. 2015. V. 24. N 2. Art. 1 540 013. doi: 10. 1142/S0218213015400138
27. Wycislik L., Warchal L. A performance comparison of several common computation tasks used in social network analysis performed on graph and relational databases // Man-Machine Interactions 3. 2014. V. 242. P. 651−659. doi: 10. 1007/978−3-319−2 309−070
28. Gao J., Zhou J.S., Yu J.X., Wang T.J. Shortest path computing in relational DBMSs // IEEE Transactions on Knowledge and Data Engineering. 2014. V. 26. N 4. P. 997−1011. doi: 10. 1109/TKDE. 2013. 43
29. Chen R.W. Managing massive graphs in relational DBMS // Proc. IEEE Int. Conf. on Big Data. Santa Clara, 2013. P. 1−8.
30. Park J., Lee S.G. A graph-theoretic approach to optimize keyword queries in relational databases // Knowledge and Information Systems. 2014. V. 41. N 3. P. 843−870. doi: 10. 1007/s10115−013−0690−2
Зотов Михаил Анатольевич
Левенец Даниил Григорьевич
Тулупьев Александр Львович
Золотин Андрей Алексеевич
студент, Санкт-Петербургский
Санкт-Петербург, 199 178,
zotov1994@mail. ru
студент, Санкт-Петербургский
Санкт-Петербург, 199 178,
daniel-levenets@yandex. ru
доктор физико-математических
го су дарственный Российская
го су дарственный Российская
наук, доцент,
университет, Федерация,
университет, Федерация,
заведующий
лабораторией, СПИИРАН, Санкт-Петербург, 199 178, Российская Федерация- профессор, Санкт-Петербургский государственный университет, Санкт-Петербург, 199 178, Российская Федерация, Alexander. tulupyev@gmail. com
студент, Санкт-Петербургский Санкт-Петербург, 199 178, andrey. zolotin@gmail. com
государственный Российская
университет, Федерация,
Mikhail A. Zotov Daniil G. Levenets Alexander L Tulupyev
Andrey A. Zolotin
student, Saint Petersburg State University, Saint Petersburg, 199 178, Russian Federation, zotov1994@mail. ru
student, Saint Petersburg State University, Saint Petersburg, 199 178, Russian Federation, daniel-levenets@yandex. ru
D. Sc., Associate professor, Head of Laboratory, SPIIRAS, Saint Petersburg, 199 178, Russian Federation- Professor, Saint Petersburg State University, Saint Petersburg, 199 178, Russian Federation, Alexander. tulupyev@gmail. com
student, Saint Petersburg State University, Saint Petersburg, 199 178, Russian Federation, andrey. zolotin@gmail. com

ПоказатьСвернуть
Заполнить форму текущей работой