論文の概要: A Comparison of Contextual and Non-Contextual Preference Ranking for Set Addition Problems

• arxiv url: http://arxiv.org/abs/2107.04438v1
• Date: Fri, 9 Jul 2021 13:33:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-12 19:38:48.513913
• Title: A Comparison of Contextual and Non-Contextual Preference Ranking for Set Addition Problems
• Title（参考訳）: 集合加算問題に対する文脈的・非文脈的選好ランキングの比較
• Authors: Timo Bertram, Johannes F\"urnkranz, Martin M\"uller
• Abstract要約: 本研究では,要素の集合への付加性を評価する問題について検討する。 私たちは決定の文脈に基づいて好みをモデル化します。 本稿では,2つのネットワークよりも3重項アプローチの方がよい結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we study the problem of evaluating the addition of elements to a set. This problem is difficult, because it can, in the general case, not be reduced to unconditional preferences between the choices. Therefore, we model preferences based on the context of the decision. We discuss and compare two different Siamese network architectures for this task: a twin network that compares the two sets resulting after the addition, and a triplet network that models the contribution of each candidate to the existing set. We evaluate the two settings on a real-world task; learning human card preferences for deck building in the collectible card game Magic: The Gathering. We show that the triplet approach achieves a better result than the twin network and that both outperform previous results on this task.
• Abstract（参考訳）: 本稿では,要素の集合への付加性を評価する問題について検討する。 この問題は、一般的な場合では、選択間の無条件な選好に還元できないため、難しい。 したがって、決定の文脈に基づいて好みをモデル化する。 本課題では,追加後の2つの集合を比較するツインネットワークと,各候補の既存集合への寄与をモデル化するトリプレットネットワークという,2つの異なるシムセネットワークアーキテクチャを議論し比較する。 収集可能なカードゲームMagic: The Gathering(マジック:ザ・ギャザリング)におけるデッキビルディングの人間のカード嗜好を学習する。 本稿では,2つのネットワークよりも3重項アプローチの方がよい結果が得られることを示す。

関連論文リスト

• Contrastive Learning of Preferences with a Contextual InfoNCE Loss [4.336779198334903]
  ここでは、CLIPフレームワークの適切な適応により、この問題を解決する方法を示す。 収集可能なカードゲーム領域におけるInfoNCE損失の適応版の有用性を実証的に実証する。
  論文  参考訳（メタデータ） (2024-07-08T13:05:08Z)
• SortNet: Learning To Rank By a Neural-Based Sorting Algorithm [5.485151775727742]
  本稿では、ニューラルネットワークをコンパレータとしてオブジェクトを順序付けする適応的なランキングアルゴリズムであるSoltNetを提案する。 提案アルゴリズムをLETORデータセット上で評価し,他の手法と比較して有望な性能を示す。
  論文  参考訳（メタデータ） (2023-11-03T12:14:26Z)
• Ranking a Set of Objects using Heterogeneous Workers: QUITE an Easy Problem [54.90613714264689]
  我々は、不平等労働者の群れによって提供されるノイズの多いペア比較の集合から始まる、$N$オブジェクトのランク付けの問題に焦点をあてる。 本研究では,作業者の信頼性とオブジェクトの品質を共同で推定する非適応的ランキングアルゴリズムQUITEを提案する。
  論文  参考訳（メタデータ） (2023-10-03T12:42:13Z)
• Ensemble Classifier Design Tuned to Dataset Characteristics for Network Intrusion Detection [0.0]
  データセットのクラスオーバーラップ問題に対処する2つの新しいアルゴリズムが提案されている。 提案手法は二進分類と多進分類の両方で評価される。
  論文  参考訳（メタデータ） (2022-05-08T21:06:42Z)
• Contextualized Embeddings based Convolutional Neural Networks for Duplicate Question Identification [0.25782420501870296]
  質問パラフレーズ識別(QPI)は,大規模質問回答フォーラムにとって重要な課題である。 本稿では,QPIタスクのための双方向変換器と畳み込みニューラルネットワークを組み合わせた新しいアーキテクチャを提案する。 実験結果から,Quora Question Pairsデータセットの最先端性能が得られた。
  論文  参考訳（メタデータ） (2021-09-03T14:30:09Z)
• A Better Loss for Visual-Textual Grounding [74.81353762517979]
  テキスト句と画像とが与えられた場合、視覚的接地問題は、文によって参照された画像の内容を特定するタスクとして定義される。 ヒューマン・コンピュータ・インタラクション、画像・テキスト・リファレンス・レゾリューション、ビデオ・テキスト・リファレンス・レゾリューションなどにおける現実的な応用がいくつかある課題である。 本稿では,より効率的な損失関数の導入により,最先端モデルよりも高い精度が得られるモデルを提案する。
  論文  参考訳（メタデータ） (2021-08-11T16:26:54Z)
• On component interactions in two-stage recommender systems [82.38014314502861]
  2段階のレコメンデータは、YouTube、LinkedIn、Pinterestなど、多くのオンラインプラットフォームで使用されている。 ランク付け器と評価器の相互作用が全体の性能に大きく影響していることが示される。 特に、Mixture-of-Expertsアプローチを用いて、アイテムプールの異なるサブセットに特化するように、ノミネータを訓練する。
  論文  参考訳（メタデータ） (2021-06-28T20:53:23Z)
• Efficient Pure Exploration for Combinatorial Bandits with Semi-Bandit Feedback [51.21673420940346]
  コンビナーシャルバンディットはマルチアームバンディットを一般化し、エージェントが腕のセットを選択し、選択したセットに含まれる各腕の騒々しい報酬を観察します。 我々は, 最善の腕を一定の信頼度で識別する純粋爆発問題と, 応答集合の構造が動作集合の1つと異なるような, より一般的な設定に注目する。 有限多面体に対するプロジェクションフリーオンライン学習アルゴリズムに基づいて、凸的に最適であり、競争力のある経験的性能を持つ最初の計算効率の良いアルゴリズムである。
  論文  参考訳（メタデータ） (2021-01-21T10:35:09Z)
• Ranking a set of objects: a graph based least-square approach [70.7866286425868]
  同一労働者の群集によるノイズの多いペアワイズ比較から始まる$N$オブジェクトのランク付けの問題について考察する。 品質評価のために,最小二乗内在的最適化基準に依存する非適応的ランキングアルゴリズムのクラスを提案する。
  論文  参考訳（メタデータ） (2020-02-26T16:19:09Z)
• 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。