基于特征选择的CP-nets结构学习

• 作者: 刘惊雷 刘素
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: CP-nets结构学习 极大相关极小冗余 可行父亲集 偏好数据库上的互信息 特征选择
• 年，卷（期）: 2019,（1）
• 页码范围: 14-28
• 页数: 15页
• 分类号: TP181
• 字数: 11781字
• 语种: 中文
• DOI: 10.13232/j.cnkij.nju.2019.01.002

摘要

作为描述多属性之间定性条件偏好的一种图模型,条件偏好网(ConditionalPreferencenetworks,CP-nets)的结构学习问题在CP-nets的研究中起着重要的作用.不同于传统的CP-nets学习方法,提出基于信息论和特征选择的方法来研究偏好数据库上的CP-nets的结构学习问题.首先建立了偏好数据库上的互信息和条件互信息的求解方法,并将互信息看作一个属性和它的可行父亲之间的相关性,条件互信息看作可行父亲集中属性之间的冗余性,从而构造出极大相关极小冗余(MaximalRelevanceMinimalRedundancy,mRMR)的目标函数,同时指出,一个属性的父亲集是由属性之间冗余度小,但对孩子属性的偏好却影响极大的属性子集组成的.随后基于特征选择中的mRMR方法来实现CP-nets的结构学习,并设计相应的算法来完成从偏好数据中学习CP-nets的结构.最后在电影推荐数据集上验证了算法的有效性.研究结果表明,基于mRMR的特征选择方法可有效获取变量之间的因果关系,从而求取出每个属性的父亲集合,进而获得CP-nets的结构.

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	刘素	烟台大学计算机与控制工程学院	2	0	0.0	0.0