Apprentissage de rangements prudent avec satisfaction de contraintes
Apprendre à prédire des rangements d'étiquettes est un problème difficile, en raison de leur nature combinatoire. Une façon de le contourner est de diviser le problème
initial en plusieurs sous-problèmes plus simples. Les prédictions obtenues à partir de ces sous-problèmes simplifiés doivent ensuite être combinées en une seule sortie,
résolvant les éventuelles incohérences entre les sorties. Dans ce travail, nous adoptons une telle approche en permettant aux sous-problèmes de produire des inférences
prudentes sous la forme d'ensembles de rangs lorsque l'incertitude attachée aux données produit des prédictions peu fiables. Plus précisément, nous proposons de combiner une décomposition par rang, dans laquelle chaque sous-problème devient une régression ordinale prudente, avec les problème de satisfaction de contraintes (CSP)
pour vérifier la cohérence des prédictions. Nos résultats expérimentaux indiquent que notre approche produit des prédictions avec une fiabilité et une précision équilibrée, tout en restant compétitive avec les approches classiques.