Élicitation possibiliste de préférences avec un regret Minimax
Résumé
Identifying the preferences of a user through elicitation is a central part of multi-criteria decision aid (MCDA) or preference learning tasks. Incremental elicitation through a robust approach is a classic method. The robust approach has strong guarantees through very strong hypotheses, but cannot integrate uncertain information. In this paper, we propose and test a method based on possibility theory, which keeps the guarantees of the robust approach without needing its strong hypotheses. Among other things, we show that it can detect user errors as well as model misspecification.
Identifier les préférences d'un utilisateur à partir d'une élicitation est une part centrale de l'aide à la décision multicritère (MCDA) ou de l'apprentissage de préférences. L'élicitation incrémentale de préférences à partir d'une approche robuste est une méthode classique. L'approche robuste propose des garanties fortes sous réserve de vérification d'hypothèses fortes, mais ne peut pas intégrer des informations incertaines. Dans cet article, nous proposons et testons une méthode basée sur la théorie des possibilités, qui garde les garanties de l'approche robuste, sans ses hypothèses fortes. Nous montrons notamment que notre approche permet de détecter les erreurs et les modèles erronés.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|