論文の概要: Choice Set Optimization Under Discrete Choice Models of Group Decisions

• arxiv url: http://arxiv.org/abs/2002.00421v2
• Date: Mon, 3 Aug 2020 00:54:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 19:56:11.933805
• Title: Choice Set Optimization Under Discrete Choice Models of Group Decisions
• Title（参考訳）: 群決定の離散選択モデルに基づく選択集合最適化
• Authors: Kiran Tomlinson and Austin R. Benson
• Abstract要約: 選択集合の変更が意思決定者の選好にどのように影響するかを示す。 このような介入を最適化するためのフレームワークを開発するために、個別選択モデルを使用します。 これらの問題は一般にNPハードであることが示されるが、提案する制限は基本的な境界を示す。
• 参考スコア（独自算出の注目度）: 40.91593765662774
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The way that people make choices or exhibit preferences can be strongly affected by the set of available alternatives, often called the choice set. Furthermore, there are usually heterogeneous preferences, either at an individual level within small groups or within sub-populations of large groups. Given the availability of choice data, there are now many models that capture this behavior in order to make effective predictions--however, there is little work in understanding how directly changing the choice set can be used to influence the preferences of a collection of decision-makers. Here, we use discrete choice modeling to develop an optimization framework of such interventions for several problems of group influence, namely maximizing agreement or disagreement and promoting a particular choice. We show that these problems are NP-hard in general, but imposing restrictions reveals a fundamental boundary: promoting a choice can be easier than encouraging consensus or sowing discord. We design approximation algorithms for the hard problems and show that they work well on real-world choice data.
• Abstract（参考訳）: 人々が選択したり、好みを示す方法は、しばしば選択セットと呼ばれる利用可能な選択肢セットに強く影響される。 さらに、通常、小さなグループ内の個々のレベルまたは大きなグループのサブグループ内で、異質な選好がある。 選択データの可用性を考えると、効果的な予測を行うためにこの振る舞いをキャプチャするモデルが数多く存在する。しかしながら、意思決定者の集合の選好に影響を与えるために、選択セットを直接変更できる方法を理解する作業はほとんどない。 本稿では, 集団的影響の問題, 合意や意見の不一致を最大化し, 特定の選択を促進するための最適化フレームワークを開発するために, 個別選択モデルを用いる。 これらの問題は一般にNP-hardであることを示しているが、提案する制限は基本的な境界を明らかにしている。 難解な問題に対する近似アルゴリズムを設計し,実世界選択データでうまく機能することを示す。

関連論文リスト

• ComPO: Community Preferences for Language Model Personalization [122.54846260663922]
  ComPOは、言語モデルにおける好みの最適化をパーソナライズする手法である。 ComPRedはRedditからコミュニティレベルの好みを持った質問応答データセットです。
  論文  参考訳（メタデータ） (2024-10-21T14:02:40Z)
• An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
  まず最適化モデルを構築し,非単調な選好をモデル化する。 本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。 2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
  論文  参考訳（メタデータ） (2024-09-04T14:36:20Z)
• Differentiating Choices via Commonality for Multiple-Choice Question Answering [54.04315943420376]
  複数選択の質問応答は、正しい答えを選択するための貴重な手がかりを提供することができる。 既存のモデルでは、それぞれの選択を別々にランク付けし、他の選択によって提供されるコンテキストを見渡すことが多い。 本稿では,DCQAと呼ばれる共通性を識別・排除することで,選択を識別する新しいモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-21T12:05:21Z)
• Controllable Preference Optimization: Toward Controllable Multi-Objective Alignment [103.12563033438715]
  人工知能におけるアライメントは、モデル応答と人間の好みと値の一貫性を追求する。 既存のアライメント技術は、主に一方向であり、様々な目的に対して、最適以下のトレードオフと柔軟性の低下につながる。 制御可能な選好最適化(CPO)を導入し、異なる目的に対する選好スコアを明確に指定する。
  論文  参考訳（メタデータ） (2024-02-29T12:12:30Z)
• Learning Fair Policies for Multi-stage Selection Problems from Observational Data [4.282745020665833]
  我々は、観測データから多段階選択問題に対する公正なポリシーを学習する問題を考察する。 この問題は、企業の雇用、ローン承認、または、選択された結果のみが観察されるような保釈決定など、いくつかの高い評価の領域で発生する。 本稿では,人口格差や平等機会など,様々な公平性制約で拡張可能な多段階フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-20T16:33:15Z)
• Finding Optimal Diverse Feature Sets with Alternative Feature Selection [0.0]
  代替機能の選択を導入し、最適化問題として定式化する。 特に,制約によって代替品を定義し,利用者が代替品の数や相違を制御できるようにする。 本研究では,一定要素近似が一定の条件下で存在することを示し,対応する探索法を提案する。
  論文  参考訳（メタデータ） (2023-07-21T14:23:41Z)
• Multi-Target Multiplicity: Flexibility and Fairness in Target Specification under Resource Constraints [76.84999501420938]
  対象の選択が個人の結果にどのように影響するかを評価するための概念的および計算的枠組みを導入する。 目的変数選択から生じる多重度は, 1つのターゲットのほぼ最適モデルから生じるものよりも大きいことが示される。
  論文  参考訳（メタデータ） (2023-06-23T18:57:14Z)
• Partial-Adaptive Submodular Maximization [28.24164217929491]
  適応部分モジュラー問題に関するほとんどの研究は、完全に適応的な設定に焦点を当てている。 本稿では,バッチ内で複数の選択を同時に行うことができる部分適応部分モジュラーの問題について検討する。 我々のアプローチは、過去の選択から観察を待つ時間を削減するとともに、適応性の利点を享受します。
  論文  参考訳（メタデータ） (2021-11-01T14:48:41Z)
• Choice Set Confounding in Discrete Choice [29.25891648918572]
  既存の学習方法は、選択セットの割り当てがデータにどう影響するかを見落とします。 我々は因果推論から個別選択設定にメソッドを適応させる。 ホテル予約における選択集合の整理は,合理的な有効性最大化とより一致していることを示す。
  論文  参考訳（メタデータ） (2021-05-17T15:39:02Z)
• Solution Subset Selection for Final Decision Making in Evolutionary Multi-Objective Optimization [7.745468825770201]
  最終的な意思決定の観点から,サブセットの選択について論じる。 定式化関数はIGD+インジケータと同じであることを示す。
  論文  参考訳（メタデータ） (2020-06-15T06:26:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。