Séminaire Donnees et APprentissage ArtificielRSS

Apprentissage de préférences "ceteris paribus" séparables

02/04/2009
Intervenant(s) : Jérôme Lang (LAMSADE)
On considère le problème de l'apprentissage de relations de préférences sur des domaines combinatoires (ou multi-attributs). Pour cela, on fait une hypothèse très simple sur la structure de dépendance entre attributs satisfaite par la relation de préférence, à savoir la séparabilité (pas de dépendances préférentielles entre attributs). Etant donné un ensemble d'exemples consistant chacun en une comparaison entre deux options, on cherche à déterminer un CP-net séparable, consistant en une relation de préférence locale sur chacun des attributs, qui soit compatible avec les exemples. Pour cela on considère trois formes de compatibilité entre un CP-net et un ensemble d'exemples, et pour chacune d'entre elles on donne des caractérisations utiles ainsi que des résultats de complexité.

Plus d'informations ici …
Thomas.Baerecke (at) nulllip6.fr
Mentions légales
Carte du site