Représentation et exploitation des préférences conditionnelles dans un cadre possibiliste : comparaison avec d'autres approches et extensions

Representation and exploitation of conditional preferences within a possibilistic framework : comparison withother approaches and extensions

• Auteur / Autrice : Syrine Saidi
• Direction : Henri Prade, Nahla Ben Amor
• Type : Thèse de doctorat
• Discipline(s) : Intelligence Artificielle
• Date : Soutenance le 24/11/2022
• Etablissement(s) : Toulouse 3 en cotutelle avec Université de Tunis. Institut supérieur de gestion (Tunisie)
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Informatique de Toulouse (1995-....)
• Jury : Président / Présidente : Zied Elouedi
• Jury : Examinateurs / Examinatrices : Henri Prade, Nahla Ben Amor, Zied Elouedi, Salem Benferhat, Sébastien Destercke, Agnès Rico
• Jury : Rapporteurs / Rapporteuses : Salem Benferhat, Sébastien Destercke

Mots clés

Mots clés contrôlés

Utilisateurs d'ordinateurs

Programmation à base de règles

Possibilités, Théorie des

Mots clés libres

Modélisation graphique des préférences

Réseau de préférences possibiliste

Préférences par défaut

Ordre de Pareto

Ceteris paribus

Ordre lexicographique

Graphical preference modeling

Possibilistic preference network

Default-like preferences

Pareto order

Ceteris paribus

Lexicographic order

Résumé

Les réseaux pi-pref nets, les CP-nets et éventuellement les LP-trees sont capables d'encoder des spécifications de la forme ``Dans le contexte de u, je préfère a à sa négation'' qui est assez similaire à une règle par défaut ``Si u alors généralement a''. Cette règle peut être codée en théorie des possibilités. Dans certains travaux, des chercheurs se sont particulièrement intéressés au raisonnement avec des règles par défaut pour représenter un certain état de choses dans un cadre possibiliste. En raison de la similarité entre une préférence d'utilisateur et une règle par défaut, ce travail a attiré notre attention et nous a conduit à nous demander si l'interprétation d'une collection d'énoncés de préférences d'utilisateurs comme des règles par défaut et l'utilisation de certains principes informationnels permettent de construire le même ordre que celui induit par une représentation graphique donnée des préférences. L'un des principaux objectifs de ce manuscrit est aussi de comparer le pouvoir expressif des CP-nets, LP-trees et des pi-pref nets. En utilisant un cadre possibiliste, les spécifications d'un utilisateur peuvent aussi être encodées comme des règles par défaut sur lesquelles plusieurs approches de raisonnement sont appliquées pour ainsi comparer leurs ordonnancements induits. Le travail est limité aux variables booléennes. La thèse est divisée en sept chapitres. Les deux premiers chapitres sont consacrés à fournir les connaissances de base. D'une part, ils passent en revue l'état de l'art sur les représentations des préférences conditionnelles et d'autre part, les bases de la théorie des possibilités. Le premier chapitre traite des modèles graphiques qualitatifs, à savoir les CP-nets, leur extension TCP-nets et les LP-trees. Nous indiquons l'hypothèse d'indépendance de chaque modèle, leurs ordonnancements induits sur des configurations complètes, en plus d'expliquer les requêtes qui peuvent être effectuées sur eux. Le chapitre 2 est consacré à la théorie des possibilités et à son utilisation pour représenter les préférences sous différents formats tels que les distributions de possibilités, les bases logiques ou les réseaux graphiques. La première partie du chapitre 3 donne un bref aperçu des réseaux de préférences possibilistes (pi-pref nets) et discute de leur expressivité et de leur cohérence par rapport aux CP-nets. La deuxième partie du chapitre présente de nouvelles variantes des réseaux pi-pref en utilisant différentes échelles pour encoder les degrés de préférence. Par ailleurs, des chercheurs ont proposé de traiter la connaissance par défaut formalisée au moyen de contraintes exprimées dans le cadre de la théorie des possibilités. C'est l'objet du chapitre 4, où nous appliquerons une approche similaire pour modéliser les préférences et pour trouver un ordre de classement sur les solutions d'un problème de préférence donné ainsi traité au moyen de règles par défaut. Les classements obtenus sont comparés à ceux obtenus par différentes approches d'ordre et notamment l'ordre de Pareto. Le chapitre 5 traite des réparations et des raffinements des préordres complets obtenus à partir de préférences codées comme des règles par défaut. Le chapitre 6 traite de notre dernier objectif qui consiste à étudier le pouvoir expressif et représentatif des LP-trees par rapport aux pi-pref nets. Il aborde également les procédures de transformation d'un arbre LP-tree en un réseau pi-pref nets. Enfin, avant de conclure, le chapitre 7 présente une boîte à outils implémentée qui prend en charge les CP-nets et les pi-pref nets en tant que structures graphiques en plus des algorithmes basés sur des règles par défaut abordés dans les chapitres précédents.

Pi-pref nets, CP-nets and possibly LP-trees are able to encode specifications of the form ``In the context of u, I prefer a to its negation'' which is quite similar to the piece of knowledge ``If u then generally a''. This rule can be encoded by possibility logic. In some works, researchers have been particularly interested in reasoning with default rules for representing some state of affairs in a possibilistic framework. Because of the similarity between a user preference and a default rule, this work has caught our attention and led us to question whether interpreting a collection of user preference statements as default rules and using some informational principles permit to construct the same ordering as induced by a given graphical preference representation. One of the main goals of this manuscript is also to compare the expressive power of CP-nets, LP-trees and pi-pref nets. Using a possibilistic framework, specifications of a user may be also encoded as default rules on which several reasoning approaches are applied to therefore compare their induced orderings. The work is restricted to Boolean variables. The dissertation is divided in seven chapters. The first two chapters are dedicated to provide the background knowledge. On the one hand, they review the state of the art on conditional preference representations and on the other hand the basis of the possibility theory . The first chapter deals with qualitative graphical models, namely CP-nets, their extension TCP-nets and LP-trees. We provide independence assumption of each model, their induced orderings over complete configurations, in addition to explaining queries that can be performed over them. Chapter 2 is devoted to possibility theory and its use for representing preferences in different formats such as possibility distributions, logical bases or graphical networks. The first part of Chapter 3 gives a brief background about possibilistic preference networks (pi-pref nets) and discusses their expressiveness and consistency with regard to CP-nets. The second part of the chapter introduces new variants of pi-pref nets by using different scales for encoding preference degrees. Besides, some researchers have proposed to deal with default knowledge formalized by means of constraints expressed in the setting of the possibility theory. This is the aim of the chapter 4, we will be applying the similar approach for modeling preferences and for finding to retrieve an order-ranking over solutions of a given preference problem thus handled by means of default rules. The resulting orderings are compared to those obtained by different order approaches and particularly the Pareto order. Chapter 5 discusses, repairs and refinements of the complete pre-orders obtained from preferences encoded as default-like rules. Chapter 6 discusses about our last goal that consists on studying the expressive and representative power of LP-trees compared to pi-pref nets. It also discusses the procedures for transforming an LP-tree into a pi-pref net. Finally and before concluding, Chapter 7 presents an implemented toolbox that supports CP-nets and pi-pref nets as graphical structures in addition to the default rule-based algorithms discussed in previous chapters.