Application de la logique subjective à base de traces à la modélisation des préférences de l’utilisateur

Cette section vise à décrire l’application de la logique subjective à la modélisation des opinions de l’utilisateur dans une application interactive à base de situations. À la fin d’une situation, l’utilisateur doit choisir une situation parmi un ensemble Cand de n situations candidates pour la prochaine exécution. À ce moment, l’utilisateur donne son avis ou sa propre idée sur chacune des situations candidates identifiées. Chaque avis représente une opinion subjective de l’utilisateur sur une situation candidate. Nous allons donc obtenir un ensemble de n opinions subjectives. Le classement de ces opinions nous donne la liste de priorités des situations candidates qui représente formellement la préférence de l’utilisateur.

Par exemple, si nous avons l’ensemble Cand = {Manger, Dormir, Jouer} de 3 situations candidates. L’utilisateur donne alors son avis sur chaque situation séparément et nous obtenons un ensemble de 3 opinions subjectives ^!!"#_! {!!"#$%&!!_!"#$%#!!_!"#$%}. Nous effectuons le classement de ces 3 opinions pour obtenir la liste de priorités suivante : ^!!"#$%&!!!!

!"#$%!!

!!_!"#$%#. Nous en déduisons une liste de priorité des situations candidates : Manger _! Jouer _! Dormir. Cette liste est un exemple des préférences de l’utilisateur.

Pour appliquer la logique subjective à la modélisation des préférences de l’utilisateur, il nous faut arriver à modéliser les avis subjectifs venant de l’utilisateur ou la modélisation des opinions subjectives. Comme nous l’avons indiqué dans la section 4.4.3.2, il s’agit de deux méthodes de modélisation. Notre proposition sera nommée « Logique Subjective à base de Traces ». Nous allons présenter la base de traces que nous utiliserons dans la logique subjective.

Base de traces utilisée pour la modélisation des préférences de l’utilisateur

Depuis la base de données de la section 4.1.3, nous n’extrayons les informations que depuis la catégorie d’Activités, ou autrement dit les traces d’activités de l’utilisateur lors des exécutions antérieures de l’application. L’idée de cette extraction est d’avoir des informations pour calculer les conséquences positives et négatives à partir des traces d’activités. En effet, nous allons regarder les traces contenant les informations suivantes : Après être sorti d’une situation, quelles sont les valeurs de l’accomplissement des critères ? Est-ce que ces valeurs ont changé ? Quelle situation l’utilisateur a choisi d’exécuter ensuite ?

Par exemple, une suite des choix d’un utilisateur pourrait être la suivante :

!"#$%& ! 𝑆𝑎𝑛𝑡!!!!!!!!"#$%#&$'#!(!!!!!!"#$%&#!!! ! !"#$%# ! 𝑆𝑎𝑛𝑡!!

!!!!!"#$%&$'%($")!!!!!!"#$%&#!!! !!

!"#$% ! 𝑆𝑎𝑛𝑡!!!!!!!"#$%&$'%($")!!!!"!!"#$%&#!!!!! ! !𝑜𝑐𝑖𝑎𝑙𝑖!"# ! 𝑆𝑎𝑛𝑡!!

!!!!!"#$%&$'%!"#$!!!!!!"#$%&#!!!!!"

L’exemple ci-dessus décrit une partie d’une exécution qui a été fait par un utilisateur. À la fin de la situation Manger, les 3 critères atteignent 0,8 pour Santé, 0,3 pour Socialisation, 1 pour Maturité. Ensuite, il a exécuté la situation Dormir. Après avoir fini cette situation, les valeurs des 3 critères sont changées comme suit : Santé est égale à 0,9 ; Socialisation est égale à 0,1 et Maturité est égale à 1, etc. Ce sont une partie des traces premières telles que nous l’avons défini dans le Chapitre 3. Pourtant, pour bien les adapter à la logique subjective et pour faciliter le calcul des conséquences positives et négatives à partir des traces, nous avons effectué une phase de transformation de traces premières afin d’extraire ce que nous voulons pour appliquer la logique subjective à base de traces.

À partir d’une suite successive de choix comme ceux de l’exemple au-dessus, nous effectuons une transformation en sous-enregistrements respectant le format :

𝑆𝑝𝑟𝑒!!𝐶

𝑝𝑟𝑒𝑣!𝑆_{𝑛𝑒𝑥𝑡}!𝐶_{𝑛𝑒𝑥𝑡} .

!_!"#$ ! !_!"#$ ! représente l’ensemble des valeurs des m critères après avoir fini la situation

!!"#$. !_!"#$ représente la situation exécutée après la situation ^!_!"#$. !_!"#$! !_!"#$ !

représente l’ensemble des valeurs des m critères obtenues après avoir fini la situation ^!!"#$. Par exemple, nous pouvons extraire les 3 enregistrements suivants :

!"#$%&! 𝑆𝑎𝑛𝑡!!!!!!!"#$%&$'%($")!!!!!!"#$%&#!!! !!"#$%#! 𝑆𝑎𝑛𝑡!

Une fois que nous avons obtenu une base des traces transformées dont chaque enregistrement a le format ci-dessus, nous appliquons l’analyse des traces à la logique subjective.

Logique subjective à base de traces

Notre méthode hérite des avantages des deux méthodes de modélisation mentionnées en 4.4.3.2 :

• Prise en compte de l’avis de l’utilisateur : puisque l’utilisateur est l’acteur principal qui interagit directement avec le système. Son idée sur le choix de la situation suivante a un rôle important dont nous devons tenir compte lors de la modélisation de son idée par une opinion subjective ;

• L’utilisation des informations des exécutions antérieures : les traces sont des sources d’informations pertinentes. Grâce à la méthode statistique, nous pourrons extraire à partir des traces des conséquences positives et négatives qui permettent d’améliorer la

Entrée : La situation qui vient de finir Sit, l’ensemble de situations candidates Cand, l’idée de l’utilisateur _!! !"#$%#&'(!!"# !

Procédure :

1. Est-ce que I est exprimée clairement ? a. Oui : aller à 2

b. Non : refaire 1

2. Avez-vous un point de vue qui est pour ou contre la proposition I?

a. Oui : aller à 3

b. Non : vous êtes dans le cas d’incertitude totale b = 0, d = 0, u = 1 3. Extraire des transitions dans la base de traces où ^!_!"#$ est égale à Sit

Nous définissons r et s qui sont respectivement la conséquence positive et négative de la situation Sit. Pour chaque enregistrement dans la base de traces, nous calculons :

!! !_!! !_!"#$ ! !! 5. Calculer y : demander à l’utilisateur combien il est d’accord pour choisir la situation

!"#$%#&'(!!"#, !!!!!

8. Quel est le nombre total des états (n) dans l’ensemble d’états ? 9. Combien d’états (m) sont apparus dans la proposition ? 10.Calculer a " a = 1/le nombre des situations dans Cand Sortie : L’opinion ^!_! ^!!!!!!! !

Si l’ensemble de situations candidates Cand contient n situations, l’utilisateur doit donner n idées pour exprimer les n opinions subjectives. L’ensemble des opinions sera classé en une liste de priorité des situations candidates. Pour chaque opinion, nous calculons sa probabilité d’espérance _!! selon la formule (55). Nous devrons ensuite appliquer la loi de classement des opinions subjectives présentée dans la section 4.4.3.1. Nous obtenons finalement une liste des situations candidates correspondant au classement des opinions subjectives.

Nous venons de présenter une approche de modélisation de la préférence de l’utilisateur en utilisant la logique subjective. Pourtant, il existe des inconvénients dans la détermination traditionnelle des opinions subjectives. Nous avons donc proposé une procédure qui combine les deux méthodes statistique et l’enquête de l’utilisateur en utilisant les traces pour résoudre le problème. Cette nouvelle procédure permet non seulement d’éviter les inconvénients analysés, mais aussi d’avoir une préférence de l’utilisateur. Le résultat sera ajouté comme choix de l’utilisateur dans notre mécanisme de décision.

4.4.4 AGREGATION DES DIFFERENTES CHOIX

Nous obtenons une liste de choix venant de différents décideurs. Comment faire le meilleur choix convenant à tous les décideurs est une question qui apparaît au bout de notre algorithme de décision multicritère. Nous allons aborder dans cette section notre solution d’agrégation pour combiner les choix obtenus en produisant un choix final.