論文の概要: Surprisingly Popular Voting Recovers Rankings, Surprisingly!

• arxiv url: http://arxiv.org/abs/2105.09386v1
• Date: Wed, 19 May 2021 20:31:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-22 01:02:17.856185
• Title: Surprisingly Popular Voting Recovers Rankings, Surprisingly!
• Title（参考訳）: 意外と人気投票がランキングを回復!
• Authors: Hadi Hosseini, Debmalya Mandal, Nisarg Shah, and Kevin Shi
• Abstract要約: 我々は、驚くほど人気の高いアルゴリズムを部分的に投票と予測によってランク付けする手法を探究する。 予測情報さえも、驚くほど人気の高い古典的アプローチの投票に役立つことを実験的に実証した。
• 参考スコア（独自算出の注目度）: 23.515785872522766
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The wisdom of the crowd has long become the de facto approach for eliciting information from individuals or experts in order to predict the ground truth. However, classical democratic approaches for aggregating individual \emph{votes} only work when the opinion of the majority of the crowd is relatively accurate. A clever recent approach, \emph{surprisingly popular voting}, elicits additional information from the individuals, namely their \emph{prediction} of other individuals' votes, and provably recovers the ground truth even when experts are in minority. This approach works well when the goal is to pick the correct option from a small list, but when the goal is to recover a true ranking of the alternatives, a direct application of the approach requires eliciting too much information. We explore practical techniques for extending the surprisingly popular algorithm to ranked voting by partial votes and predictions and designing robust aggregation rules. We experimentally demonstrate that even a little prediction information helps surprisingly popular voting outperform classical approaches.
• Abstract（参考訳）: 群衆の知恵は、根底にある真実を予測するために個人や専門家から情報を引き出すための事実上のアプローチになっている。 しかしながら、個人を集約する古典的な民主的アプローチは、群衆の大多数の意見が比較的正確である場合にのみ有効である。 賢明な最近のアプローチである \emph{surprisingly popular voting} は、個人からの追加情報、すなわち他の個人の投票の \emph{prediction} を導き出し、専門家が少数派であっても根拠となる真実を確実に回復する。 このアプローチは、小さなリストから正しい選択肢を選択することを目標とする場合はうまく機能するが、選択肢の真のランキングを回復することが目標である場合には、アプローチの直接的な適用には、過剰な情報を引き出す必要がある。 本稿では,このアルゴリズムを部分的に投票と予測によってランク付けし,ロバストなアグリゲーションルールを設計するための実践的手法を検討する。 予測情報さえも、驚くほど人気の高い古典的アプローチの投票に役立つことを実験的に実証した。

関連論文リスト

• A First Look at Selection Bias in Preference Elicitation for Recommendation [64.44255178199846]
  選好選好における選好バイアスの影響について検討した。 大きなハードルは、好みの推論インタラクションを持つ公開データセットがないことです。 本稿では,トピックに基づく選好提案プロセスのシミュレーションを提案する。
  論文  参考訳（メタデータ） (2024-05-01T14:56:56Z)
• Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
  AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。 我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。 現在のAWAIRE実装の制限は、少数の候補者に限られている。
  論文  参考訳（メタデータ） (2024-02-18T10:13:01Z)
• Progressive End-to-End Object Detection in Crowded Scenes [96.92416613336096]
  以前のクエリベースの検出器は2つの欠点に悩まされていた: まず、複数の予測が1つのオブジェクトに対して推論される。 具体的には、まず受理されたクエリを選択して正の予測を生成し、その後、受理された予測に従って残雑音のあるクエリを精査する。 提案手法は,混み合ったシーンにおける問合せ型検出器の性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-03-15T06:12:00Z)
• The Unfairness of Popularity Bias in Book Recommendation [0.0]
  人気度バイアスとは、人気アイテムが頻繁に推奨されるのに対して、人気アイテムがほとんどあるいはまったく推奨されないという問題を指す。 本稿では,有名な書籍分類データセットを分析し,人気商品に対する傾向に基づいて3つのユーザグループを定義した。 以上の結果から,ほとんどの最先端の推薦アルゴリズムは本分野における人気バイアスに悩まされていることが示唆された。
  論文  参考訳（メタデータ） (2022-02-27T20:21:46Z)
• Obvious Manipulability of Voting Rules [105.35249497503527]
  Gibbard-Satterthwaite の定理は、全会一致で非独裁的な投票規則は、戦略的なものではないと述べる。 我々は投票規則を再検討し、明らかでない操作性という戦略的安全性の弱い概念を考察する。
  論文  参考訳（メタデータ） (2021-11-03T02:41:48Z)
• An Adaptive Boosting Technique to Mitigate Popularity Bias in Recommender System [1.5800354337004194]
  一般的な精度尺度は人気項目に偏りがあり、非人気項目と比較して人気項目の精度が向上する。 本稿では,人気項目と非人気項目の誤りの差として,人気バイアスを測定する指標について考察する。 そこで本研究では,データ中の人気バイアスを低減させるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-13T03:04:55Z)
• Correcting public opinion trends through Bayesian data assimilation [8.406968279478347]
  世論を測ることが民主選挙における重要な焦点である。 従来のサーベイポーリングは依然として最も一般的な推定手法である。 Twitterの意見マイニングはこれらの問題に対処しようとしている。
  論文  参考訳（メタデータ） (2021-05-29T11:39:56Z)
• Mundus vult decipi, ergo decipiatur: Visual Communication of Uncertainty in Election Polls [56.8172499765118]
  我々は、今放送と予測におけるバイアスの潜在的な源について論じる。 概念は、誤認識された正確性の問題を軽減するために提示される。 主要なアイデアの1つは、パーティーシェアではなくイベントの確率を使うことである。
  論文  参考訳（メタデータ） (2021-04-28T07:02:24Z)
• User-centered Evaluation of Popularity Bias in Recommender Systems [4.30484058393522]
  推薦とランク付けシステムは人気バイアスに悩まされ、アルゴリズムは人気アイテムを数種類選んで、他の項目の大半を下書きする傾向にある。 本稿では,これらのアルゴリズムをユーザの視点から評価したい場合に,人気バイアス軽減度を評価するための既存の指標の限界を示す。 ユーザ中心の視点から,人気バイアスを緩和する効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-03-10T22:12:51Z)
• Partial Bandit and Semi-Bandit: Making the Most Out of Scarce Users' Feedback [62.997667081978825]
  本稿では,ユーザのフィードバックを考慮し,3つの戦略を用いて評価する手法を提案する。 ユーザからのフィードバックが制限されているにも関わらず(全体の20%以下)、我々の手法は最先端のアプローチと同じような結果が得られる。
  論文  参考訳（メタデータ） (2020-09-16T07:32:51Z)
• Evaluating approval-based multiwinner voting in terms of robustness to noise [10.135719343010177]
  承認ベースのマルチウィンナー投票は常に妥当な雑音に対して堅牢であることを示す。 ノイズに対する頑丈さの観点から、ルールの階層構造を提示することで、この発見をさらに洗練します。
  論文  参考訳（メタデータ） (2020-02-05T13:17:43Z)

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。