因子图中交换因子检测：必要与充要条件
人工智能
2026-05-27 v1 数据结构与算法
机器学习
摘要
在概率图模型如因子图中利用对象的不可区分性是提升概率推理算法的关键，可实现相对于域大小的可遍历概率推理问题。因子图中不可区分对象的利用的核心构建块是识别交换因子，即其输出值对其输入值在其子集参数上的置换保持不变的因子。在本文中，我们重新审视检测交换因子的理论基础。具体而言，我们指出其当前形式的算法依赖于一个被错误视为识别交换因子充要条件的核心定理，实际上仅为充要条件的必要条件。因此，当前算法可能如本文所示提供错误结果。为修复当前算法中的缺陷，我们证明了对上述定理的轻微修改版本，作为识别交换因子的必要条件。此外，我们提出了纠正版的当前算法，保持其效率同时确保正确性，并引入一种具有更紧致最坏情况界限的补充算法。
引用
@article{arxiv.2605.26908,
title = {On the Detection of Commutative Factors in Factor Graphs: Necessary and Sufficient Conditions},
author = {Malte Luttermann and Ralf Möller and Marcel Gehrke},
journal= {arXiv preprint arXiv:2605.26908},
year = {2026}
}