Apprentissage de réseaux de préférences ceteris paribus

Frédéric Koriche (1) , Bruno Zanuttini (2)

1 COCONUT - Agents, Apprentissage, Contraintes
2 Equipe MAD - Laboratoire GREYC - UMR6072

Nous étudions l'acquisition de réseaux de préférences ceteris paribus (CP-nets), selon le paradigme de l'apprentissage exact avec requêtes défini par Angluin. Dans ce contexte, l'apprenant cherche à découvrir un CP-net cible représentant le modèle cognitif de l'utilisateur en lui posant des questions. Nous montrons que la classe générale des CP-nets booléens n'est pas apprenable avec requêtes d'équivalence et d'appartenance. Puis nous donnons un algorithme montrant que l'importante sous-classe des CP-nets acycliques complets de taille polynomiale en le nombre de variables est apprenable avec requêtes d'équivalence et d'appartenance. Ce résultat encourageant indique que les réseaux de " petit degré " utilisés en pratique sont efficacement identifiables par le biais de l'apprentissage interactif.

Domaines: Intelligence artificielle [cs.AI]

Frédéric Koriche, Bruno Zanuttini. Apprentissage de réseaux de préférences ceteris paribus. Journées d'Intelligence Artificielle Fondamentale (IAF 2008), 2008, France. pp.8. ⟨hal-00995241⟩