論文の概要: Trustworthy Preference Completion in Social Choice

• arxiv url: http://arxiv.org/abs/2012.07228v1
• Date: Mon, 14 Dec 2020 03:03:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-09 10:26:56.208235
• Title: Trustworthy Preference Completion in Social Choice
• Title（参考訳）: 社会的選択における信頼できる選好完了
• Authors: Lei Li, Minghe Xue, Huanhuan Chen, Xindong Wu
• Abstract要約: すべての選択肢に対して線形順序を与えるようにエージェントに頼むのは非現実的であり、これらの部分的なランク付けは選好完了を行う必要がある。 信頼ベースのアンカー-kNNアルゴリズムは、信頼指向のケンダル-トー距離を持つエージェントの最も信頼できる隣人を見つけるために提案される。 最初の$k$信頼に値する隣接エージェントに対する特定の共通投票ルールは、確実性と紛争に基づいて、信頼に値する選好完了を行うために適用することができる。
• 参考スコア（独自算出の注目度）: 36.91054060923998
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As from time to time it is impractical to ask agents to provide linear orders over all alternatives, for these partial rankings it is necessary to conduct preference completion. Specifically, the personalized preference of each agent over all the alternatives can be estimated with partial rankings from neighboring agents over subsets of alternatives. However, since the agents' rankings are nondeterministic, where they may provide rankings with noise, it is necessary and important to conduct the trustworthy preference completion. Hence, in this paper firstly, a trust-based anchor-kNN algorithm is proposed to find $k$-nearest trustworthy neighbors of the agent with trust-oriented Kendall-Tau distances, which will handle the cases when an agent exhibits irrational behaviors or provides only noisy rankings. Then, for alternative pairs, a bijection can be built from the ranking space to the preference space, and its certainty and conflict can be evaluated based on a well-built statistical measurement Probability-Certainty Density Function. Therefore, a certain common voting rule for the first $k$ trustworthy neighboring agents based on certainty and conflict can be taken to conduct the trustworthy preference completion. The properties of the proposed certainty and conflict have been studied empirically, and the proposed approach has been experimentally validated compared to state-of-arts approaches with several data sets.
• Abstract（参考訳）: 時折、すべての選択肢に対して線形順序を与えるようにエージェントに頼むことは非現実的であるので、これらの部分的なランク付けのためには、選好完了を行う必要がある。 具体的には、すべての代替品に対する各エージェントのパーソナライズされた選好は、代替品のサブセットよりも隣接するエージェントからの部分的なランキングで推定することができる。 しかし、エージェントのランキングは非決定論的であり、ランキングにノイズを与える可能性があるため、信頼できる選好完了を行う必要がある。 そこで,本稿では,エージェントが不合理な行動を示す場合や,ノイズの多いランキングのみを提供する場合に対処する,信頼指向のKendall-Tau距離を持つエージェントに対して,信頼に基づくアンカー-kNNアルゴリズムを提案する。 そして、代替ペアの場合、ランキング空間から選好空間への単射を構築でき、その確実性と競合を、よく構築された統計測定確率-確証密度関数に基づいて評価することができる。 したがって、信頼性と紛争に基づく最初の$k$信頼に値する隣接エージェントに対する一定の共通投票ルールを、信頼に値する選好完了を実行するために適用することができる。 提案する確実性と競合の性質は実験的に研究されており、いくつかのデータセットを用いた最先端のアプローチと比較して実験的に検証されている。

関連論文リスト

• Eliciting Kemeny Rankings [6.971011179091351]
  ケメニーランキングの近似境界は、推定勝利確率に対する信頼区間に依存する。 我々は、ルックアヘッドを用いた複数の適応サンプリング手法を定式化し、どれだけの信頼区間を厳格化できるかを推定する。
  論文  参考訳（メタデータ） (2023-12-18T19:14:42Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Fairness in Ranking under Disparate Uncertainty [24.401219403555814]
  我々は、基礎となる関連モデルの不確実性がオプション群間で異なる場合、ランク付けは不公平をもたらす可能性があると論じる。 ランク付けのための新しい公正基準として平等ランク付け(EOR)を提案する。 異なる不確実性が存在する場合でも、EORは関連する選択肢の中でグループワイドフェア・宝くじに対応していることを示す。
  論文  参考訳（メタデータ） (2023-09-04T13:49:48Z)
• Pure Exploration under Mediators' Feedback [63.56002444692792]
  マルチアームバンディット(Multi-armed bandits)は、各インタラクションステップにおいて、学習者が腕を選択し、報酬を観察する、シーケンシャルな意思決定フレームワークである。 本稿では,学習者が仲介者の集合にアクセスできるシナリオについて考察する。 本稿では,学習者には仲介者の方針が知られていると仮定して,最適な腕を発見するための逐次的意思決定戦略を提案する。
  論文  参考訳（メタデータ） (2023-08-29T18:18:21Z)
• Birds of a Feather Trust Together: Knowing When to Trust a Classifier via Adaptive Neighborhood Aggregation [30.34223543030105]
  我々は、NeighborAggがアダプティブ近隣アグリゲーションを介して2つの重要な情報を利用する方法を示す。 また, 誤り検出の密接な関連課題へのアプローチを拡張し, 偽陰性境界に対する理論的カバレッジを保証する。
  論文  参考訳（メタデータ） (2022-11-29T18:43:15Z)
• Cautious Learning of Multiattribute Preferences [2.6151761714896122]
  本稿では,二項属性を特徴とする選択肢間の嗜好を予測するための慎重な学習手法を提案する。 注意」とは、マルチ属性の嗜好を表現するために学んだモデルは、他の選択肢の厳密な弱い順序と互換性があるほど一般であることを意味する。
  論文  参考訳（メタデータ） (2022-06-15T07:54:16Z)
• Peer Selection with Noisy Assessments [43.307040330622186]
  現在最も正確なピアレビューアルゴリズムであるPeerNominationをWeightedPeerNominationに拡張します。 重み付け方式により、選択の全体的な精度が大幅に向上できることを解析的に示す。
  論文  参考訳（メタデータ） (2021-07-21T14:47:11Z)
• Learning Strategies in Decentralized Matching Markets under Uncertain Preferences [91.3755431537592]
  エージェントの選好が不明な場合,共有資源の不足の設定における意思決定の問題について検討する。 我々のアプローチは、再生されたカーネルヒルベルト空間における好みの表現に基づいている。 エージェントの期待した利益を最大化する最適な戦略を導出する。
  論文  参考訳（メタデータ） (2020-10-29T03:08:22Z)
• Necessarily Optimal One-Sided Matchings [49.0517583218216]
  我々は、$n$エージェントと$n$オブジェクトとをマッチングする古典的な問題について研究する。 エージェントに完全な選好を報告させる代わりに、私たちのゴールは部分的な選好から望ましいマッチングを学ぶことです。 我々は,与えられたマッチングが NPO か NRM かを確認し,そのようなマッチングが与えられたトップ$k$ の部分的選好が存在するかどうかを確認するために,効率的なアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-07-17T16:01:34Z)
• SetRank: A Setwise Bayesian Approach for Collaborative Ranking from Implicit Feedback [50.13745601531148]
  提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。 具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。 また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
  論文  参考訳（メタデータ） (2020-02-23T06:40:48Z)

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。