Frederic Koriche (Enseignant-chercheur UM2, équipe Coconut du LIRMM), en collaboration avec Bruno Zanuttini, a reçu le « IJCAI-09 Distinguished Paper award » de la prestigieuse conférence IJCAI-09 (réputée dans le domaine de l’intelligence artificielle) pour son article “Learning Conditional Preference Networks with Queries” qui concerne l'apprenabilité des graphes de préférences (CP-nets).

Résumé :
La notion de "préférence" apparait dans de nombreuses applications informatiques, telles que les logiciels de configuration, les systèmes de recommandation, et les agents autonomes. Un des défis majeurs de l'intelligence artificielle est de construire des algorithmes capables d'apprendre les préférences d'un utilisateur face à des situations de décision. Par exemple, dans un système de configuration automobile, l'algorithme peut apprendre que l'utilisateur préfère généralement les moteurs TDI aux moteurs essence s'il roule plus de 20,000 km par an.



Dans cet article, les préférences de notre utilisateur sont structurées en réseau, appelé "CP-net".
Nous démontrons qu'il est généralement impossible d'apprendre un CP-net de manière "passive" en
observant simplement l'utilisateur dans des situations arbitraires. En revanche, nous démontrons qu'il est possible d'apprendre efficacement un CP-net de manière "active" en testant son comportement sur un nombre restreint de situations de décision choisies par l'apprenant. La vitesse de convergence est telle que notre algorithme d'apprentissage peut être employé pour des applications utilisant plusieurs milliers de variables de description (comme les systèmes de recommandation actuels ; on pourra par exemple induire le modèle de préférence d'un véhicule d'un utilisateur en quelques interactions).
 
Auteurs : Frederic Koriche, Bruno Zanuttini
Titre : "Learning Conditional Preference Networks with Queries"

Conférence IJCAI-09, 11-17 juillet 2009, Pasadena (Etats-Unis)