Modelos de Preferências em Inteligência Artificial CP-Nets

Slides:



Advertisements
Apresentações semelhantes
Árvores CC/EC/Mestrado Teoria dos Grafos ‏ 1.
Advertisements

Inteligência Artificial
AULA 5 PGC Sistemas de Banco de Dados Profa. Sandra de Amo
Álgebra Relacional Marcelo Mendes Manaus
Modelo Relacional.
Eveline Alonso Veloso PUC-MINAS
MODELAGEM DE SISTEMAS DE INFORMAÇÃO
Linguagens relacionais
2 de Junho de 2005Conclusão1 Pedro Barahona DI/FCT/UNL Junho 2005.
1 Conclusão DI/FCT/UNL 1º Semestre 2004/ Ciclos de Simulação A técnica usada no exemplo da queda livre pode ser utilizada para trajectórias a duas.
Alexandre Suaide Ed. Oscar Sala sala 246 ramal 7072
Introdução à Programação Lógica
Cálculo de Custos de Operações I/O – Arquivos Ordenados
Linguagem de Consultas com suporte a Preferências AULA 10 PPG SISTEMAS DE BANCO DE DADOS – Pós-graduação em CC - UFU.
SQL 3 Recursão em SQL AULA 7 PGC Sistemas de Banco de Dados
Otimização de Consultas em SQL Parte I - Planos de Execução e Equivalências de Expressões da Álgebra Relacional AULA 19 Profa. Sandra de Amo Programa.
PREDIÇÃO DATA MINING AULA 13 SANDRA DE AMO
Cálculo Relacional Datalog não-recursivo
Programação Linear Método Simplex
Formalismo Lógico Modelagem de Preferências
SQL Exercícios de Revisão
Modelos de Preferências em Inteligência Artificial TCP-Nets AULA 6 SISTEMAS DE BANCO DE DADOS.
Modelos de Preferências AULA 15 DATA MINING Sandra de Amo.
Fórmulas de Preferências Condicionais [Wilson 2004] AULA 15 Data Mining Sandra de Amo.
Algoritmos para Seleção Simples
Exercicio – Revisão Método da Resolução e Ponto Fixo
Problemas NP-completos
Algoritmos para Operações de Conjuntos AULA 19 Profa. Sandra de Amo GBC053 – BCC
Exercícios para entregar
Algebra relacional nomeada e não-nomeada
Datalog Recursivo AULA 6 PGC Sistemas de Banco de Dados
Algoritmos para Projeção e Operações de Conjuntos AULA 22 Profa. Sandra de Amo GBC053 – BCC
Mineração dePreferências Contextuais A. Soulet et al AULA 19 Data Mining Profa. Sandra de Amo.
Otimização de Consultas em SQL Planos de Execução e Equivalências de Expressões da Álgebra Relacional AULA 24 Profa. Sandra de Amo GBC053 – BCC
Busca em Profundidade Para encontrar um caminho de solução Sol, de um dado nó para algum nó objetivo Se N é um nó objetivo, então Sol=[N] Se há um nó N1.
A Preparação dos Dados Mineração de Dados.
Álgebra Relacional – Parte 2
Medida do Tempo de Execução de um Programa
Inteligência Artificial
Carolina Fonseca Neumar Ribeiro
Processo de Normalização
A Lógica das Sentenças Abertas Profa. Ana Florencia Aula 9
3 - Equações Lineares de Segunda Ordem
Algoritmos em Grafos.
Otimização de Consultas em SQL Planos Alternativos AULA 24 Profa. Sandra de Amo GBC053 – BCC
Histórico, exemplos e problemas
AULA 26 Profa. Sandra de Amo GBC053 – BCC
Otimizador de consultas
Modelo de Dados Relacional
Inteligência Artificial
Cálculo relacional Lílian Simão Oliveira.
Sistema de equações lineares
Sistemas Especialistas
Sistemas Inteligentes
Disciplina: Inteligência Artificial
Lógica para Computação Prof. Celso Antônio Alves Kaestner, Dr. Eng. celsokaestner (at) utfpr (dot) edu (dot) br.
Campus de Caraguatatuba Aula 2: Introdução a Tecnologia de BD
LIG - Université Grenoble Mineração de Preferências Contextuais sobre dados de preferência “pairwise” Data Mining AULA 19 – Parte I Sandra de Amo.
ANÁLISE DE SISTEMAS 1Trabalho elaborado por Alexandra.
Estudo dos gráficos Objetivos: Como construir um gráfico.
Algoritmos para Operações Binárias entre blocos SQL AULA 19 – Parte I Profa. Sandra de Amo GBC053 – BCC.
Transformada de Hough Processamento global para a detecção de linhas retas numa imagem Nenhum conhecimento é necessário a respeito da posição das linhas.
Marcus Sampaio DSC/UFCG. Marcus Sampaio DSC/UFCG O Problema Dados –Um banco de transações de compra –Cada transação é um conjunto de ítens comprados Encontrar.
Decidibilidade, Corretude, Completude, Consistência
1 24/4/ :29 FMU – 1. Semestre – Tecnologia – Analise e Desenvolvimento de Sistemas Professor: Eduardo Silvestri Aluno:Clóvis de Oliveira- RA
Algoritmos de Junção – IndexNL e Sort Merge Join AULA 19 Profa. Sandra de Amo GBC053 – BCC.
Geometria Computacional Fecho Convexo
Arnaldo Rocha1995 BANCO DE DADOS Modelo Relacional.
Sylvia Campos da Luz e Silva Universidade Federal de Pernambuco Centro de Informática Pós-Graduação em Ciência da Computação.
Aula 6 – Sistemas Lineares
Transcrição da apresentação:

Modelos de Preferências em Inteligência Artificial CP-Nets AULA 8 PGC 107 - Sistemas de Banco de Dados Profa. Sandra de Amo Pós-graduação em Ciência da Computação – UFU 2012-2

Preferências Inteligência Artificial: interesse se concentra formalismos para especificação de preferências métodos de dedução de preferências Banco de Dados: interesse se concentra em Estender Algebra Relacional com operadores de preferência Projetar e implementar linguagens permitindo consultas do tipo: “Quais os restaurantes que melhor atendem minhas preferências de localização, facilidades de estacionamento, menu variado e preço ?”

Problema – Fase 1 Fase da Elicitação das Preferências Quantitativa: usuário fornece um rank para cada objeto do banco de dados. infactível quando o banco de dados é grande. Depende da disponibilidade do usuário Qualitativa: usuário especifica um conjunto de “regras” de preferência.

Problema – Fase 2 Fase do Raciocínio – em caso de elicitação quantitativa Sistema automático assume certas premissas extras que devem ser satisfeitas pelo conceito de “preferência” Sistema automático deduz a ordem de preferência entre dois objetos quaisquer Sistema automático calcula os k-melhores objetos de acordo com as preferências do usuário.

Exemplo – Filme(G, D) Regras de Preferência: Prefiro comédias a dramas e suspense a comédias. Prefiro mais os dramas de Bergman do que os de Woody Allen e mais os dramas de W.A do que os de Hitchcock. Prefiro mais as comédias de W.A do que as B. E mais as de B. do que as de Hitchcock. Quanto a thrillers eu prefiro muito mais os de Hitchcock do que os de WA e os de B. Entretanto se for preciso escolher entre um thriller de WA e um de B., prefiro aqueles de B. Quanto aos filmes de Woody Allen, prefiro mais as comédias do que os dramas.

Modelo: CP-Net Dom(G) = {c,d,t} G Dom(D) = {w, b, h} D c > d t > c Dom(G) = {c,d,t} Dom(D) = {w, b, h} G D d: b > w d: w > h t: h > w t: w > b c: w > b c: b > h

O que é uma CP-Net ? Grafo = (V,E) V : vértices = atributos do banco de dados E : arestas – existe aresta de A para B se a preferência entre os valores de B depende de valores do atributo A. Tabelas de preferência condicionais associadas a cada vértice. A ordem sobre os valores dos atributos é total.

Como uma CP-Net ordena tuplas Premissas assumidas: R(A,B,C) Semântica Ceteris Paribus: Uma regra F (que só diz respeito aos atributos A e B) pode comparar dois objetos t1(x1,x2,x3) e t2(y1,y2,y3), somente se x3 = y3 Ceteris paribus: Todos os valores de atributos que não aparecem na regra devem ser iguais nos dois objetos. Ordem de Preferência é transitiva.

Exemplo 1 (d,b) (d,w) (d,h) (c,w) (c,b) (c,h) (t,h) (t,w) (t,b) É possível comparar (c,w) e (t,b) ? É possivel comparar (c,h) e (d,b) ?

Exemplo 2 Jantar(Sopa, Vinho) Dom(Sopa) = {p,l} Dom(Vinho) = {b, t} Prefiro sopa de peixe a sopa de legumes. Caso for sopa de peixe, prefiro vinho branco para acompanhar. Caso for sopa de legumes, prefiro vinho tinto.

Exemplo 2 – continuação S (p,b) (p,t) (l,t) W (l,b) p: b > t l: t > b (l,b) Neste caso, todas as tuplas são comparáveis. A CP-Net induz uma única ordem total sobre o conjunto de todas as tuplas

Exercício Preferências no vestuário: (Paletó, Calça, Camisa) Dom(Paletó) = {branco, preto} Dom(Calça) = {branco, preto} Dom(Camisa) = {branco,vermelho} Prefiro paletó e calça pretos do que brancos. Se o paletó e calça são da mesma cor, então prefiro uma camisa vermelha mais do que branca. Se o paletó e calça são de cores diferentes, então neste caso prefiro uma camisa branca do que uma vermelha. Pede-se: Dar a CP-Net correspondente Determinar a ordem (parcial) induzida pela CP-Net sobre todas as combinações possiveis de meu vestuário.

CP-Net satisfatível Uma CP-Net N é satisfatível se e somente se existe uma ordem TOTAL entre os objetos que é compatível com a ordem dos valores de cada domínio de atributo X induzida pelos valores dos atributos dos pais de X na CP-Net e supondo a semântica ceteris paribus.

Exemplo (d,b) (d,w) (d,h) (c,w) (c,b) (c,h) (t,h) (t,w) (t,b) É possível comparar (c,w) e (t,b) ? É possivel comparar (c,h) e (d,b) ?

Exemplo: CP-Net não satisfatível c : a > a’ c’ : a’ > a Tuplas em ordem de preferência A (a, b, c) (a, b’,c) (a’,b’,c) (a’,b,c) (a’,b,c’) (a, b, c’) (a, b’,c’) B C b : c > c’ b’ : c’ > c a : b > b’ a’ : b’ > b

Condição suficiente para ser satisfatível (consistente) Grafo é acíclico Neste caso é possível construir ordem total compatível com a CP-Net.

Aciclicidade não é necessária para consistência da CP-Net a : b > b’ a’: b’ > b a : b > b’ a’: b’ > b ab ab’ a’b ab’ A A a’b’ a’b’ a’b ab CP-Net é consistente, embora o grafo seja cíclico CP-Net não é consistente ! B B b : a’ > a b’: a > a’ b : a > a’ b’: a’ > a

Como construir uma ordem total quando o grafo é acíclico Considera-se os atributos sem “pais”. Ordena-se os valores destes atributos segundo a ordem total ditada pelas tabelas destes atributos. Retira-se estes atributos. Repete o processo para os atributos restantes, para cada combinação de valores dos atributos retirados.

Exemplo G (d,b) (d,w) (d,h) (c,w) (c,b) (c,h) (t,h) (t,w) (t,b) D c > d t > c G (d,b) (d,w) (d,h) (c,w) (c,b) (c,h) (t,h) (t,w) (t,b) D d: b > w d: w > h t: h > w t: w > b c: w > b c: b > h É possível comparar (c,w) e (t,b) ? É possivel comparar (c,h) e (d,b) ?

Ordem compatível com a CP-Net não é única (d,b) (d,w) (d,h) (c,w) (c,b) (c,h) (t,h) (t,w) (t,b) É possível comparar (c,w) e (t,b) ? É possivel comparar (c,h) e (d,b) ?

Exercicio Construir duas ordens totais compatíveis com a CP-Net a > a’ A B a: b > b’ a’: b’> b C b: c > c’ b’: c’> c

Discussão (1) Ordem induzida por uma CP-Net = Intersecção de todas as ordens totais compatíveis = ordem parcial Problemas de se encontrar uma ordem quando o grafo é cíclico: CP-Net pode ser inconsistente (não necessariamente, como já vimos)

Tuplas Preferidas Mesmo que existam diferentes ordens compatíveis com a CP-Net, a tupla preferida é única. Tupla preferida pode ser construída independentemente da particular ordem compatível. Esta tupla é preferida com relação a qualquer ordem compatível com a CP-Net.

Algoritmo de construção da tupla preferida Seja X = (X1,X2, ..., Xn) os atributos da relação Considera-se os atributos sem pais na CP-Net. Para estes atributos considera-se seus melhores valores. Retira-se estes atributos da CP-Net e repete-se o processo para os demais atributos, levando-se em conta os valores assumidos pelos atributos retirados.

Exemplo G Gênero = thriller Diretor = Hithcock D c > d t > c G Gênero = thriller Diretor = Hithcock D d: b > w d: w > h t: h > w t: w > b c: w > b c: b > h Tupla preferida = (t,h)

Exercício Preferências no vestuário: (Paletó, Calça, Camisa) Dom(Paletó) = {branco, preto} Dom(Calça) = {branco, preto} Dom(Camisa) = {branco,vermelho} Prefiro paletó e calça pretos do que brancos. Se o paletó e calça são da mesma cor, então prefiro uma camisa vermelha mais do que branca. Se o paletó e calça são de cores diferentes, então neste caso prefiro uma camisa branca do que uma vermelha. Pede-se: Qual o vestuário preferido ?

Discussão (2): ordem total versus ordem parcial. Pode-se definir CP-Net sem exigir ordem total nos domínios dos atributos. Neste caso, a tupla preferida não é única.

Discussão (3) c: a > a’ c’: a’> a abc A ab’c a’bc B C ab’c’ Tupla preferida pode existir mesmo se a CP-Net for inconsistente ! c: a > a’ c’: a’> a abc A ab’c a’bc B C ab’c’ a’b’c b: c > c’ b’: c’> c ac: b > b’ a’c’:b> b’ a’c: b’> b ac’:b’> b a’b’c’ a’bc’ abc’ Tupla preferida = (a,b,c)

TCP-Net TCP-Net = Tradeoffs-enhanced CP-Net Modelo de preferência mais expressivo Exemplo: Vestuário (Paletó, Calça, Camisa) Prefiro paletó e calça pretos do que brancos. Se o paletó e calça são da mesma cor, então prefiro uma camisa vermelha mais do que branca. Se o paletó e calça são de cores diferentes, então neste caso prefiro uma camisa branca do que uma vermelha. Para mim, a cor do paletó é muito mais importante que a cor da calça.

Modelo: TCP-Net Preto > branco P C Preto > branco P=p, C=p: cam = v > cam=b P=b, C=p: cam = b > cam=v P=p, C=b: cam = b > cam=v P=b, C=b: cam = v > cam=b Cam

TCP-Net versus CP-Net Segundo a CP-Net, a ordem entre t1 = (P=preto, C=branca, Camisa= vermelha) t2 = (P = branco, C=preta, Camisa = vermelha) não pode ser deduzida diretamente da CP-Net. Na TCP-Net, esta ordem é clara: t1 > t2

O que é uma TCP-Net ? É uma CP-Net (não se exige que as ordens de cada atributo sejam totais) Existem arcos de dominância absoluta entre certos atributos Existem arcos de dominância relativa entre certos atributos. Tais arcos possuem como labels os atributos relativos Tabelas que determinam a preferência relativa.

Exemplo Preto > branco P C Preto > branco C=p: P > Cam Arco de importância absoluta P C Preto > branco C C=p: P > Cam C=b: Cam > P C=p: cam = v > cam=b C=b: cam = b > cam=v Cam t1= (paletó = b, calça = b, cam=b) t2 = (paletó = p, calça = b, cam=v) t1 > t2 Arco de importância relativa