論文の概要: Expert Graphs: Synthesizing New Expertise via Collaboration
- arxiv url: http://arxiv.org/abs/2107.07054v1
- Date: Thu, 15 Jul 2021 00:27:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-16 14:05:36.366355
- Title: Expert Graphs: Synthesizing New Expertise via Collaboration
- Title（参考訳）: expert graphs: コラボレーションによる新しい専門知識の合成
- Authors: Bijan Mazaheri, Siddharth Jain, Jehoshua Bruck
- Abstract要約: 我々は、不確実な入力の下で分類問題に取り組む、重複する専門知識を持つ専門家について考察する。
本稿では,「エキスパートグラフ」と呼ばれる,この問題を解析するための枠組みを定義する。
我々は、専門家グラフの妥当性に関する必要な条件を導出し、それらを用いて、他の専門家の観察された意見と整合した意見を記述する「合成専門家」を作成する。
- 参考スコア（独自算出の注目度）: 22.710015392064083
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Consider multiple experts with overlapping expertise working on a
classification problem under uncertain input. What constitutes a consistent set
of opinions? How can we predict the opinions of experts on missing sub-domains?
In this paper, we define a framework of to analyze this problem, termed "expert
graphs." In an expert graph, vertices represent classes and edges represent
binary opinions on the topics of their vertices. We derive necessary conditions
for expert graph validity and use them to create "synthetic experts" which
describe opinions consistent with the observed opinions of other experts. We
show this framework to be equivalent to the well-studied linear ordering
polytope. We show our conditions are not sufficient for describing all expert
graphs on cliques, but are sufficient for cycles.
- Abstract（参考訳）: 不確定な入力の下で分類問題に取り組む専門知識を重複させた複数の専門家を考える。
一貫した意見のセットを構成するものは何か?
不足しているサブドメインについて専門家の意見を予測するには?
本稿では,この問題を分析するための枠組みを「専門家グラフ」と定義する。
専門グラフでは、頂点はクラスを表し、エッジは頂点のトピックに関する二項の意見を表す。
専門家グラフの有効性に必要な条件を導出し、他の専門家の観察した意見と一致する意見を記述する「合成専門家」を作成する。
この枠組みはよく研究された線形順序付けポリトープと同値である。
我々の条件は、clique 上のすべての専門家グラフを記述するのに十分ではないが、サイクルに十分であることを示す。
関連論文リスト
- The FIX Benchmark: Extracting Features Interpretable to eXperts [9.688218822056823]
FIX(Features Interpretable to eXperts)は、機能の集合が専門家の知識とどの程度うまく一致しているかを測定するベンチマークである。
FIXScoreは、宇宙論、心理学、医学領域にまたがる多様な現実世界の設定に適用可能な、統一された専門家アライメント尺度である。
論文 参考訳（メタデータ） (2024-09-20T17:53:03Z) - Towards Complete Causal Explanation with Expert Knowledge [0.0]
最大祖先グラフのマルコフ同値類を、特定のエッジマークを含むMAGのみに限定する問題について検討する。
このようなマルコフ同値類の制限は、制限された本質的な祖先グラフによって一意に表される。
論文 参考訳（メタデータ） (2024-07-10T03:20:17Z) - Inverse Reinforcement Learning with Sub-optimal Experts [56.553106680769474]
与えられた専門家の集合と互換性のある報酬関数のクラスの理論的性質について検討する。
以上の結果から,複数の準最適専門家の存在が,相反する報酬の集合を著しく減少させる可能性が示唆された。
我々は,最適なエージェントの1つに十分近い準最適専門家のパフォーマンスレベルが最適である場合に,最小限の最適化を行う一様サンプリングアルゴリズムを解析する。
論文 参考訳（メタデータ） (2024-01-08T12:39:25Z) - Causal Discovery with Language Models as Imperfect Experts [119.22928856942292]
専門知識を用いて因果グラフの同定を改善する方法について検討する。
整合性に基づく専門家の知識を改良するための戦略を提案する。
本稿では,不完全な専門家として大規模言語モデルを用いる実データを用いたケーススタディについて報告する。
論文 参考訳（メタデータ） (2023-07-05T16:01:38Z) - Active Ranking of Experts Based on their Performances in Many Tasks [72.96112117037465]
我々は、dタスクのパフォーマンスに基づいて、n名のエキスパートをランク付けする問題を考察する。
我々は,各専門家のペアに対して,各タスクにおいて他方よりも優れているという,単調な仮定を定めている。
論文 参考訳（メタデータ） (2023-06-05T06:55:39Z) - Are You Smarter Than a Random Expert? The Robust Aggregation of
Substitutable Signals [14.03122229316614]
本稿では,幅広い情報構造から専門家の知識を逆選択する文脈において,予測集約の研究を開始する。
投射的代替条件の下では、専門家の予測の平均値を取得することは、ランダムな専門家を信頼する戦略によって大幅に改善される。
本研究では, 専門家の予測を平均化し, 一定の要因によって前者から遠ざかることで平均を極端に推し進めることにより, 集積器の性能保証は, 事前の知識がなくても実現可能であることを示す。
論文 参考訳（メタデータ） (2021-11-04T20:50:30Z) - Graphing else matters: exploiting aspect opinions and ratings in
explainable graph-based recommendations [66.83527496838937]
本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。
次に、AmazonとYelpの6つのドメインのレビューから生成されたグラフに対して、最先端のグラフ埋め込み技術を適用して評価する。
提案手法は,推奨項目について利用者が提示したアスペクトベースの意見を活用した説明を提供することの利点がある。
論文 参考訳（メタデータ） (2021-07-07T13:57:28Z) - ExplaGraphs: An Explanation Graph Generation Task for Structured
Commonsense Reasoning [65.15423587105472]
スタンス予測のための説明グラフ生成の新しい生成および構造化コモンセンスリゾニングタスク(および関連するデータセット)を紹介します。
具体的には、信念と議論が与えられた場合、モデルは、議論が信念を支持しているかどうかを予測し、予測されたスタンスに対する非自明で完全で曖昧な説明として機能する常識強化グラフを生成する必要がある。
グラフの83%は、様々な構造と推論深度を持つ外部のコモンセンスノードを含んでいる。
論文 参考訳（メタデータ） (2021-04-15T17:51:36Z) - A Survey of Adversarial Learning on Graphs [59.21341359399431]
本稿では,グラフ逆学習タスクに関する既存の研究を考察し,要約する。
具体的には、グラフ解析タスクにおける攻撃と防御に関する既存の作業を調査し、統一する。
我々は、関連する評価指標の重要性を強調し、それらを総合的に調査し、要約する。
論文 参考訳（メタデータ） (2020-03-10T12:48:00Z) - ExEm: Expert Embedding using dominating set theory with deep learning
approaches [2.131521514043068]
本稿では,支配セット理論とディープラーニングアプローチを用いてノード表現をキャプチャするグラフ埋め込み手法ExEmを提案する。
ExEmはWord2vec、fastText、これら2つの結合を含む3つの埋め込みメソッドを利用する。
抽出した専門家の埋め込みは多くのアプリケーションに適用できる。
論文 参考訳（メタデータ） (2020-01-16T10:47:40Z)
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。