論文の概要: Making Paper Reviewing Robust to Bid Manipulation Attacks

• arxiv url: http://arxiv.org/abs/2102.06020v1
• Date: Tue, 9 Feb 2021 21:24:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-12 16:26:51.011745
• Title: Making Paper Reviewing Robust to Bid Manipulation Attacks
• Title（参考訳）: マニピュレーション攻撃を回避するためのロバストなペーパーレビュー
• Authors: Ruihan Wu, Chuan Guo, Felix Wu, Rahul Kidambi, Laurens van der Maaten, Kilian Q. Weinberger
• Abstract要約: 逸話的な証拠は、一部のレビュアーが「友人」あるいは「衝突する著者」による論文の入札を行ったことを示唆している。 我々は、そのような攻撃に対してより堅牢な、紙入札と割当てのための新しいアプローチを開発する。 より堅牢であることに加えて、論文レビューの課題の質は、現在の非ロバストな課題のアプローチに匹敵する。
• 参考スコア（独自算出の注目度）: 44.34601846490532
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most computer science conferences rely on paper bidding to assign reviewers to papers. Although paper bidding enables high-quality assignments in days of unprecedented submission numbers, it also opens the door for dishonest reviewers to adversarially influence paper reviewing assignments. Anecdotal evidence suggests that some reviewers bid on papers by "friends" or colluding authors, even though these papers are outside their area of expertise, and recommend them for acceptance without considering the merit of the work. In this paper, we study the efficacy of such bid manipulation attacks and find that, indeed, they can jeopardize the integrity of the review process. We develop a novel approach for paper bidding and assignment that is much more robust against such attacks. We show empirically that our approach provides robustness even when dishonest reviewers collude, have full knowledge of the assignment system's internal workings, and have access to the system's inputs. In addition to being more robust, the quality of our paper review assignments is comparable to that of current, non-robust assignment approaches.
• Abstract（参考訳）: ほとんどのコンピュータ科学会議は、レビュアーを論文に割り当てるために紙入札に依存している。 紙入札は前例のない数の時代に高品質な課題を課すことができるが、不名誉なレビュワーが反対に紙レビューの課題に影響を及ぼすドアも開ける。 逸話的な証拠は、一部のレビュアーが、これらの論文は専門分野の外にあっても「友人」や「作家」による論文の入札をし、作品のメリットを考慮せずに受け入れるよう推奨していることを示唆している。 本稿では,このような入札操作攻撃の有効性について検討し,レビュープロセスの整合性を損なう可能性があることを確かめる。 我々は,このような攻撃に対して,より強固な紙入札と割当を行うための新しいアプローチを開発した。 不当なレビュアーが組み合わされても、私たちのアプローチが堅牢性を提供し、割り当てシステムの内部作業を完全に理解し、システムの入力にアクセスできることを実証的に示しています。 より堅牢であることに加えて、私たちのペーパーレビューの割り当ての質は、現在の非ロバストな割り当てアプローチと同等です。

関連論文リスト

• No more Reviewer #2: Subverting Automatic Paper-Reviewer Assignment using Adversarial Learning [25.70062566419791]
  この自動化は,逆学習を用いて操作可能であることを示す。 提案する攻撃は、与えられた論文に適応し、その課題を誤解させ、独自のレビュアーを選択する。
  論文  参考訳（メタデータ） (2023-03-25T11:34:27Z)
• Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
  本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。 提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
  論文  参考訳（メタデータ） (2022-09-08T09:13:07Z)
• Tradeoffs in Preventing Manipulation in Paper Bidding for Reviewer Assignment [89.38213318211731]
  入札の利点にもかかわらず、紙入札への依存は、悪意のあるレビュアーが非倫理的な目的のために紙の割り当てを操作できるようにする。 この操作を防ぐためのいくつかの異なるアプローチが提案され、デプロイされている。 本稿では,入札操作に対処するアルゴリズムが満足すべき特定の望ましい特性を列挙する。
  論文  参考訳（メタデータ） (2022-07-22T19:58:17Z)
• A Dataset on Malicious Paper Bidding in Peer Review [84.68308372858755]
  悪意あるレビュアーは、紙の割り当てを非倫理的に操作するために戦略的に入札した。 この問題を緩和するための方法の作成と評価への重要な障害は、悪意ある紙入札に関する公開データの欠如である。 我々は、参加者に正直に、悪意的に入札するよう指示されたモックカンファレンス活動から収集された、新しいデータセットをリリースする。
  論文  参考訳（メタデータ） (2022-06-24T20:23:33Z)
• Ranking Scientific Papers Using Preference Learning [48.78161994501516]
  我々はこれをピアレビューテキストとレビュアースコアに基づく論文ランキング問題とみなした。 ピアレビューに基づいて最終決定を行うための,新しい多面的総合評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-02T19:41:47Z)
• Auctions and Peer Prediction for Academic Peer Review [11.413240461538589]
  本稿では,情報活用文学における最近の研究に基づく新しいピア予測機構 (H-DIPP) を提案する。 提出段階のオークションで得た収益は、審査段階におけるレビューの質に基づいてレビュアーに支払われる。
  論文  参考訳（メタデータ） (2021-08-27T23:47:15Z)
• Mitigating Manipulation in Peer Review via Randomized Reviewer Assignments [96.114824979298]
  コンファレンスピアレビューにおける3つの重要な課題は、特定の論文に割り当てられる悪意のある試みであり、"Torpedo reviewing"である。 我々は、これらの課題を共通の傘の下にまとめ、レビュアーの割り当てのための(ランダム化された)アルゴリズムを示すフレームワークを提案する。 我々のアルゴリズムは、悪意のあるレビュアーが希望する論文に割り当てられる確率を50%に抑えつつ、完全な最適類似性の90%以上を割り当てることができます。
  論文  参考訳（メタデータ） (2020-06-29T23:55:53Z)

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。