Acquisition de contraintes avec des requêtes partielles
Abstract
We learn constraint networks by asking the user par- tial queries. That is, we ask the user to classify assign- ments to subsets of the variables as positive or negative. We provide an algorithm that, given a negative example, focuses onto a constraint of the target network in a number of queries logarithmic in the size of the example. We give information theoretic lower bounds for learning some simple classes of constraint networks and show that our generic algorithm is optimal in some cases. Finally we evaluate our algorithm on some benchmarks.
Nous apprenons des réseaux de contraintes en utilisant des requêtes partielles. Autrement dit, nous demandons à l’utilisateur de classer une affectation de sous-ensembles de variables comme positive ou négative. Nous fournissons un algorithme qui, étant donné un exemple complet négatif, apprend une contrainte du réseau cible avec un certain nombre de requêtes partielles, logarithmique en taille de l’exemple. Nous présentons une étude théorique sur les bornes inférieures en termes de requêtes pour apprendre certaines classes de réseaux de contraintes et montrons l’optimalité de notre algorithme générique dans certains cas. Enfin, nous évaluons expérimentalement notre algorithme.
Domains
Artificial Intelligence [cs.AI]| Origin | Files produced by the author(s) |
|---|
Loading...