Fargier, Hélène and Gimenez, Pierre-François
and Mengin, Jérôme
Recommandation par inférence bayésienne. Application à la configuration de produit.
(2018)
Revue d'Intelligence Artificielle, 32 (1). 39-74. ISSN 0992-499X
|
(Document in French)
PDF (Author's version) - Requires a PDF viewer such as GSview, Xpdf or Adobe Acrobat Reader 702kB |
Official URL: https://doi.org/10.3166/ria.32.39-74
Abstract
Cet article traite du problème de la recommandation de valeurs dans le cadre de la configuration interactive de produit. L'idée est d'apprendre, hors ligne et à partir d'un historique de vente, des indépendances entre variables sous la forme d'un réseau bayésien ; on peut ensuite utiliser les tables du réseau bayésien appris pour recommander, à chaque étape de la configuration, les options les plus probablement choisies ; ou on peut estimer directement à partir de l'historique les probabilités nécessaires : nous proposons pour cela une variation de l'algorithme Recursive Conditioning. Nos expérimentations sur des données réelles montrent que ces approches sont compatibles avec une exploitation en ligne en termes de temps CPU et possèdent une très bonne précision : leur taux de succès est proche du meilleur possible.
Item Type: | Article |
---|---|
Additional Information: | https://ria.revuesonline.com/article.jsp?articleId=39089 |
HAL Id: | hal-02182000 |
Audience (journal): | International peer-reviewed journal |
Uncontrolled Keywords: | |
Institution: | Université de Toulouse > Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE) French research institutions > Centre National de la Recherche Scientifique - CNRS (FRANCE) Université de Toulouse > Université Toulouse III - Paul Sabatier - UT3 (FRANCE) Université de Toulouse > Université Toulouse - Jean Jaurès - UT2J (FRANCE) Université de Toulouse > Université Toulouse 1 Capitole - UT1 (FRANCE) |
Laboratory name: | |
Statistics: | download |
Deposited On: | 11 Jun 2019 10:10 |
Repository Staff Only: item control page