基于G方检验的CP-nets学习

• 作者: 刘惊雷 辛冠琳
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: G方检验 对数似然比检验 因果关系 条件偏好无关 零假设检验
• 年，卷（期）: 2015,（4）
• 页码范围: 781-795
• 页数: 15页
• 分类号: TP181
• 字数: 13965字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2015.04.016

摘要

偏好处理是人工智能中的一个重要的研究内容,条件偏好网(conditional preference networks,CP-nets)是一个带标记的有向图,它编码相关变量之间的偏好关系。作为一种简单直观的图形偏好表示工具,却很少有工作对CP-nets 的结构进行研究。研究 CP-nets 的结构,提出了基于 G 方检验对 CP-nets 进行结构学习的算法,并给出算法的时间复杂度为 O(n·2n )。作为一种对数似然比检验方法,G 方检验特别适合于判断变量之间的因果关系。由于CP-nets 的核心概念是条件偏好无关,因此利用 G 方检验可有效地实现 CP-nets 的结构学习。通过构造 G 方检验的统计量,在给定的成对比较样本集中,执行零假设检验,从而依次求出每个顶点的父亲集,进而得到 CP-nets 的结构。最后,通过随机生成的模拟数据,验证了所提出算法的有效性。与相关 CP-nets 的学习算法对比,本文提出的方法具有被动的,离线的,和基于统计学习的特征。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘惊雷	烟台大学计算机与控制工程学院	63	262	8.0	13.0
2	辛冠琳	烟台大学计算机与控制工程学院	3	21	3.0	3.0