ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
« La Maison Intelligente »

Humanités Numériques
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 32/1 - 2018  - pp.111-132  - doi:10.3166/ria.32.111-132
TITRE
Inférence incrémentale pour les modèles

TITLE
Incremental inference for probabilistic relational models and application to object

RÉSUMÉ
Cet article s’intéresse à l’exploitation de règles probabilistes dans les systèmes à base de règles métier orientés objet (OO-BRMS). Afin de faciliter la modélisation des distributions de probabilités dans ces systèmes, nous proposons d’utiliser les modèles probabilistes relationnels (PRM), qui sont une extension orientée objet des réseaux bayésiens. Lors de l’exploitation des OO-BRMS, les requêtes adressées aux PRM sont nombreuses et les réponses doivent être calculées rapidement. Pour cela, nous proposons un nouvel algorithme tirant parti des spécificités des OO-BRMS : i) tout d’abord les probabilités à calculer ne concernent que des sousensembles de toutes les variables aléatoires des PRM, ce que l’on appelle des cibles ; ii) les requêtes successives différent peu les unes des autres. Notre nouvel algorithme, IJTI, exploite ces deux spécificités afin d’optimiser les calculs. Nous prouvons mathématiquement que notre approche fournit des résultats exacts et montrons son efficacité par des résultats expérimentaux.


ABSTRACT
This article investigates the exploitation of probabilistic rules within object-oriented business rule management systems (OO-BRMS). In order to facilitate the modelling of the probability distributions in these systems, we propose to use probabilistic relational models (PRM), which are object-oriented extensions of Bayesian networks. When OO-BRMS are exploited by users, numerous requests are sent to the PRM and their answers need be computed very quickly. For this purpose, we propose a novel algorithm that exploits the specificities of OO-BRMS: i) first, the probabilities of interest concern only a subset of the PRM’s random variables, which are called targets; and ii) successive requests differ only slightly. Our new algorithm, IJTI, exploits these two specificites in order to optimize computations.


AUTEUR(S)
Hamza AGLI, Philippe BONNARD, Christophe GONZALES, Pierre-Henri WUILLEMIN

MOTS-CLÉS
systèmes à base de règles, réseaux bayésiens, inférence incrémentale.

KEYWORDS
rule based systems, Bayesian networks, incremental inference.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (235 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier