최대 조상 그래프의 마코프 동등 클래스

초록

본 논문은 잠재 변수와 선택 변수를 포함하는 DAG 모델에서 유도되는 조건부 독립 관계를 표현하는 조상 그래프(ancestral graph)의 마코프 동등성을 연구한다. 저자들은 동일한 마코프 구조를 공유하는 그래프들을 하나의 대표 그래프인 “조인 그래프(joined graph)”로 결합하는 연산을 정의하고, 이를 통해 마코프 동등 클래스의 유일한 표현을 제공한다. 또한 조인 그래프에 대한 분리 기준을 확장하고, 쌍별 마코프 성질(pairwise Markov property)을 증명함으로써 모델 탐색과 구조 학습에 실용적인 도구를 제시한다.

상세 분석

조상 그래프는 DAG의 마진화와 조건부 선택을 동시에 고려할 수 있는 강력한 표현 수단이다. 그러나 동일한 독립·조건부 독립 관계를 나타내는 여러 조상 그래프가 존재할 수 있어, 구조 학습 단계에서 탐색 공간이 급격히 확대되는 문제가 있다. 논문은 이러한 문제를 해결하기 위해 “조인 연산(join operation)”을 도입한다. 조인 연산은 동일한 마코프 구조를 가진 모든 조상 그래프의 에지 정보를 합쳐, 방향성(edge direction)과 마크(edge type, 즉 directed, bidirected, undirected)를 보존하면서도 중복을 제거한다. 결과적으로 얻어지는 조인 그래프는 해당 마코프 동등 클래스 내에서 유일하며, “최대 조상 그래프(maximal ancestral graph, MAG)”의 특성을 그대로 유지한다.

핵심 이론적 기여는 두 가지이다. 첫째, 조인 그래프에 대한 새로운 분리 기준을 정의함으로써 기존 d-분리(d-separation)의 확장인 m-분리(m-separation)를 일반화한다. 이 기준은 조인 그래프 내에서 경로의 차단 여부를 판단할 때, 혼합된 에지 타입을 모두 고려하도록 설계되어, 마코프 동등 클래스 전체에 대해 동일한 독립 관계를 정확히 포착한다. 둘째, 저자들은 조인 그래프가 쌍별 마코프 성질을 만족한다는 정리를 증명한다. 즉, 그래프의 모든 비인접 노드 쌍이 조인 그래프의 분리 기준에 의해 독립임을 보이며, 이는 마코프 동등 클래스 전체가 동일한 독립 구조를 공유한다는 것을 의미한다.

이론적 결과는 실용적인 모델 탐색 알고리즘에 직접 적용 가능하다. 기존의 구조 학습 방법은 각 후보 그래프를 개별적으로 평가해야 했지만, 조인 그래프를 이용하면 동일한 마코프 클래스를 하나의 객체로 압축하여 탐색 효율성을 크게 향상시킬 수 있다. 또한, 조인 그래프는 잠재 변수와 선택 변수의 존재 여부에 관계없이 일관된 독립 정보를 제공하므로, 복합적인 인과 모델링 상황에서도 안정적인 추론이 가능하다.