Inférence incrémentale pour les modèles probabilistes relationnels et application aux systèmes à base de règles orientés objet
Résumé
This article investigates the exploitation of probabilistic rules within object-oriented business rule management systems (OO-BRMS). In order to facilitate the modelling of the probability distributions in these systems, we propose to use probabilistic relational models (PRM), which are object-oriented extensions of Bayesian networks. When OO-BRMS are exploited by users, numerous requests are sent to the PRM and their answers need be computed very quickly. For this purpose, we propose a novel algorithm that exploits the specificities of OO-BRMS: i) first, the probabilities of interest concern only a subset of the PRM’s random variables, which are called targets; and ii) successive requests differ only slightly. Our new algorithm, IJTI, exploits these two specificites in order to optimize computations.
Cet article s’intéresse à l’exploitation de règles probabilistes dans les systèmes à base de règles métier orientés objet (OO-BRMS). Afin de faciliter la modélisation des distributions de probabilités dans ces systèmes, nous proposons d’utiliser les modèles probabilistes relationnels (PRM), qui sont une extension orientée objet des réseaux bayésiens. Lors de l’exploitation des OO-BRMS, les requêtes adressées aux PRM sont nombreuses et les réponses doivent être calculées rapidement. Pour cela, nous proposons un nouvel algorithme tirant parti des spécificités des OO-BRMS : i) tout d’abord les probabilités à calculer ne concernent que des sousensembles de toutes les variables aléatoires des PRM, ce que l’on appelle des cibles ; ii) les requêtes successives différent peu les unes des autres. Notre nouvel algorithme, IJTI, exploite ces deux spécificités afin d’optimiser les calculs. Nous prouvons mathématiquement que notre approche fournit des résultats exacts et montrons son efficacité par des résultats expérimentaux.