一种从偏好数据库中学习CP-nets结构的并行算法

不同于传统的条件偏好网络(conditional preference networks,CP-nets)结构学习方法,本文提出一种基于MapReduce框架的相关系数并行算法。首先建立了偏好数据库上的相关系数评分函数,对候选父亲结构并行地进行"评分+搜索",随后基于序空间搜索得到各节点的局部最优,继而得到全局最优。同时指出,一个属性的父亲集是由属性之间冗余度小且偏好影响大的属性集所构成。实验结果表明,所提出的相关系数算法不仅能够快速有效地获取变量之间的因果关系,而且能求取出每个属性的可行父亲集,得到CP-nets的拓扑结构。