다중 증거 추론을 위한 잠재 후방 요인 이론

본 논문은 다중 증거 기반 예측 문제를 형식화하고, 이를 해결하기 위한 새로운 프레임워크인 Latent Posterior Factors(LPF)를 제안한다. 문제 설정은 K개의 이질적인 증거 E={e₁,…,e_K}와 미지의 라벨 Y를 가지고, 증거마다 독립적인 잠재 의미 공간 Z에 대한 후방 qϕ(z|e_i)를 추정하는 것이다. LPF는 네 단계로 구성된다. 첫째, VAE를 이용해 각 증거를 평균 µ_i와 공분산 Σ_i를 갖는 Gaussian 후방으로 인코딩한다. 둘째, Monte Carlo 샘플링(M)으로 후방을 마진화해 소프트 팩터 Φ_i(y)=E_{z∼q}