Séminaire Donnees et APprentissage Artificiel

RSS

Apprentissage de préférences "ceteris paribus" séparables

Thursday, April 2, 2009
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.

More details here …
Thomas.Baerecke (at) nulllip6.fr