Fugu-MT 論文翻訳(概要): Spectral Ranking with Covariates

論文の概要: Spectral Ranking with Covariates

arxiv url: http://arxiv.org/abs/2005.04035v3
Date: Wed, 6 Apr 2022 11:42:15 GMT
ステータス: 処理完了
システム内更新日: 2022-12-05 11:48:02.223399
Title: Spectral Ranking with Covariates
Title（参考訳）: 共変量によるスペクトルランク付け
Authors: Siu Lun Chau and Mihai Cucuringu and Dino Sejdinovic
Abstract要約: プレイヤー共変量を含む3つのスペクトルランキング法を提案し、セレーション、低ランク構造仮定、正準相関に基づく。提案手法は,既存の最先端の共変量に基づくランキングアルゴリズムと比較した。
参考スコア（独自算出の注目度）: 13.102687485765962
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider spectral approaches to the problem of ranking n players given their incomplete and noisy pairwise comparisons, but revisit this classical problem in light of player covariate information. We propose three spectral ranking methods that incorporate player covariates and are based on seriation, low-rank structure assumption and canonical correlation, respectively. Extensive numerical simulations on both synthetic and real-world data sets demonstrated that our proposed methods compare favorably to existing state-of-the-art covariate-based ranking algorithms.
Abstract（参考訳）: 非完全かつノイズの多いペアワイズ比較では,n選手のランク付け問題に対するスペクトル的アプローチを検討するが,プレイヤー共変量情報に基づいて古典的な問題を再検討する。プレイヤー共変量を含む3つのスペクトルランキング法を提案し,それぞれセレーション,低ランク構造仮定,標準相関に基づく。合成データと実世界のデータの両方に対する広範囲な数値シミュレーションにより,提案手法が既存の共変量に基づくランク付けアルゴリズムと好適に比較できることが証明された。

関連論文リスト

From Pairwise to Ranking: Climbing the Ladder to Ideal Collaborative Filtering with Pseudo-Ranking [13.01752267289297]
理想的なコラボレーティブフィルタリングモデルは、ユーザのすべての項目の完全なランキングから学習し、最適なトップKレコメンデーションを作成すべきである。ほとんどのCFモデルは、完全なランク付けを近似するためにペアワイズ損失関数に依存しており、結果として大きな性能差が生じる。そこで本研究では,従来のノイズ注入機構によって制御された擬似階調を導入し,ランキング情報の欠如に対処する擬似階調パラダイム(PRP)を提案する。
論文参考訳（メタデータ） (2024-12-24T05:01:16Z)
Improved theoretical guarantee for rank aggregation via spectral method [1.0152838128195467]
複数の項目間のペアワイズ比較を与えられた場合、ランキングが観測値と一致するようにランク付けする方法? ランクアグリゲーションとして知られるこの問題は、スポーツ、レコメンデーションシステム、その他のウェブアプリケーションに多くの応用を見出している。ここで、各ペア比較は真のスコア差の破損したコピーである。
論文参考訳（メタデータ） (2023-09-07T16:01:47Z)
Distant finetuning with discourse relations for stance classification [55.131676584455306]
そこで本研究では,定位分類のモデルとして,原文から銀ラベルでデータを抽出し,微調整する手法を提案する。また,様々な段階において微調整に用いるデータのノイズレベルが減少する3段階のトレーニングフレームワークを提案する。 NLPCC 2021共有タスクArgumentative Text Understanding for AI Debaterでは,26の競合チームの中で1位にランクインした。
論文参考訳（メタデータ） (2022-04-27T04:24:35Z)
Heuristic Search for Rank Aggregation with Application to Label Ranking [16.275063634853584]
本稿では,階層化問題を解くために,効果的なハイブリッド進化的ランキングアルゴリズムを提案する。このアルゴリズムは、コンコーダントペアに基づくセマンティッククロスオーバーと、効率的な漸進的評価手法によって強化された遅延受容局所探索を特徴とする。アルゴリズムを評価するために実験が行われ、ベンチマークインスタンス上での高い競争性能を示す。
論文参考訳（メタデータ） (2022-01-11T11:43:17Z)
Riemannian classification of EEG signals with missing values [67.90148548467762]
本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
論文参考訳（メタデータ） (2021-10-19T14:24:50Z)
Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
論文参考訳（メタデータ） (2021-10-08T13:51:55Z)
Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文参考訳（メタデータ） (2021-05-23T19:21:55Z)
Optimal Full Ranking from Pairwise Comparisons [16.852801934478475]
ランキングの最小最大レートは、問題の信号対雑音比の大きさに応じて指数レートと率の間の遷移を示す。ミニマックスレートを達成するために,まず,n$ プレーヤーを類似したスキルのグループに分割し,次に各グループ内のローカル mle を計算する分割・コンクエストランキングアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-21T03:34:44Z)
Learning Mixtures of Low-Rank Models [89.39877968115833]
低ランクモデルの計算混合を学習する問題について検討する。ほぼ最適サンプルを用いて未知の行列を復元することが保証されるアルゴリズムを開発する。さらに,提案アルゴリズムはランダムノイズに対して確実に安定である。
論文参考訳（メタデータ） (2020-09-23T17:53:48Z)
Fast and Robust Rank Aggregation against Model Misspecification [105.54181634234266]
ランクアグリゲーション(RA)では、異なるユーザからの好みのコレクションを、ユーザの同質性の仮定の下で総順にまとめる。 RAにおけるモデルの不特定は、複素実世界の状況において同質性の仮定が満たされないために生じる。本稿では,モデル誤特定に対する堅牢性を有するCoarsenRankを提案する。
論文参考訳（メタデータ） (2019-05-29T11:35:28Z)

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。