基于精确P值计算学习无环CP-nets

• 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: 条件偏好网 精确P值计算 Dijkstra算法原理 因果关系 无环结构
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 硅基纳电子和光电子专栏
• 页码范围: 450-461
• 页数: 12页
• 分类号: TP181
• 字数: 9695字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2017.03.010

摘要

作为一种简单直观的图形表示工具,条件偏好网(conditional preference networks,CP-nets)可表示ceteris paribus(其他条件都不变)的偏好关系.学习无环CP-nets是人工智能领域中的一个重要的研究内容,它可广泛使用在推荐系统、信息检索和群体抉择中.特别是有效地学习无环CP-nets的结构,即获取变量之间的因果关系,是当前最主要的研究任务.传统的算法利用不同的方式对CP-nets的结构进行学习,但很多方法学习得到的并不是无环CP-nets.采用精确P值计算学习方法,根据Dijkstra算法原理,设计了新的算法--PALA,并通过该算法学习无环CP-nets结构.随后证明了算法的时间复杂度是O(n3·2n).作为一种精确学习方法,精确P值计算方法可有效衡量变量之间的依赖程度,确定变量之间的因果关系,进而学习得到无环CP-nets结构.实验结果表明,与其他算法相比,PALA算法通常能够发现高质量的、结构最优的无环CP-nets.研究结果还表明,无环CP-nets学习问题的解决显著地提高了PALA算法的效率.

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