Fugu-MT 論文翻訳(概要): Mining Meta-indicators of University Ranking: A Machine Learning Approach Based on SHAP

論文の概要: Mining Meta-indicators of University Ranking: A Machine Learning Approach Based on SHAP

arxiv url: http://arxiv.org/abs/2111.12526v1
Date: Wed, 24 Nov 2021 14:49:19 GMT
ステータス: 処理完了
システム内更新日: 2021-11-25 15:00:15.127888
Title: Mining Meta-indicators of University Ranking: A Machine Learning Approach Based on SHAP
Title（参考訳）: 大学ランキングにおけるメタインジケータのマイニング:shapに基づく機械学習アプローチ
Authors: Shudong Yang (1), Miaomiao Liu (1) ((1) Dalian University of Technology)
Abstract要約: この研究は、解釈可能な機械学習に基づく3つのメタ指標を発見した。一つは時間と友人になり、時間の力を信じ、歴史的堆積物を蓄積する時間であり、もう一つは空間であり、都市と友人になり、共同開発によって一緒に成長する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: University evaluation and ranking is an extremely complex activity. Major universities are struggling because of increasingly complex indicator systems of world university rankings. So can we find the meta-indicators of the index system by simplifying the complexity? This research discovered three meta-indicators based on interpretable machine learning. The first one is time, to be friends with time, and believe in the power of time, and accumulate historical deposits; the second one is space, to be friends with city, and grow together by co-develop; the third one is relationships, to be friends with alumni, and strive for more alumni donations without ceiling.
Abstract（参考訳）: 大学評価とランキングは非常に複雑な活動である。主要な大学は、世界大学ランキングの複雑な指標システムのために苦闘している。では、複雑さを単純化してインデックスシステムのメタ指標を見つけられるだろうか? この研究は、解釈可能な機械学習に基づく3つのメタインジケータを発見した。 1つは時間と友人になり、時間の力を信じ、歴史の堆積物を蓄積し、もう1つは空間であり、都市と友人であり、共同開発によって育つ、もう1つは関係であり、同窓会と友人であり、また天井無しでより多くの同窓会の寄付を試みている。

関連論文リスト

Hierarchical Temporal Context Learning for Camera-based Semantic Scene Completion [57.232688209606515]
カメラによるセマンティックシーンの補完を改善するための,新たな時間的文脈学習パラダイムであるHTCLを提案する。提案手法は,Semantic KITTIベンチマークで1st$をランク付けし,mIoUの点でLiDARベースの手法を超えている。
論文参考訳（メタデータ） (2024-07-02T09:11:17Z)
Continual Learning for Smart City: A Survey [20.248023419047847]
継続的学習(CL)は、変化する環境に適応するためにモデルを常に更新する、新しい機械学習パラダイムである。本調査は,スマートシティ開発に広く用いられている継続的学習手法の総合的なレビューを提供する。
論文参考訳（メタデータ） (2024-04-01T07:59:29Z)
Impact of Decentralized Learning on Player Utilities in Stackelberg Games [57.08270857260131]
多くの2エージェントシステムでは、各エージェントは別々に学習し、2つのエージェントの報酬は完全に一致しない。分散学習を用いたStackelbergゲームとしてこれらのシステムをモデル化し、標準後悔ベンチマークが少なくとも1人のプレイヤーにとって最悪の線形後悔をもたらすことを示す。我々は,これらのベンチマークに関して,両プレイヤーにとってほぼ最適な$O(T2/3)を後悔するアルゴリズムを開発した。
論文参考訳（メタデータ） (2024-02-29T23:38:28Z)
Deep Learning for Cross-Domain Data Fusion in Urban Computing: Taxonomy, Advances, and Outlook [28.103555959143645]
本稿では,都市コンピューティングに適した深層学習に基づくデータ融合手法の最近の進歩を体系的にレビューする最初の調査を提案する。提案手法は,特徴ベース,アライメントベース,コントラストベース,生成ベース融合の4つのカテゴリに分類される。さらに, 都市計画, 交通, 経済, 公共安全, 社会, 環境, エネルギーの7つのタイプに分類した。
論文参考訳（メタデータ） (2024-02-29T16:56:23Z)
Rankitect: Ranking Architecture Search Battling World-class Engineers at Meta Scale [35.302195441119665]
本稿では,MetaにおけるランキングシステムのためのNASソフトウェアフレームワークであるRanditectを紹介する。正規化エントロピー損失とFLOPとの競合トレードオフを達成し,スクラッチから新しいモデルを発見することができる。
論文参考訳（メタデータ） (2023-11-14T03:02:02Z)
Detecting Any Human-Object Interaction Relationship: Universal HOI Detector with Spatial Prompt Learning on Foundation Models [55.20626448358655]
本研究では,ビジョン・ランゲージ(VL)基礎モデルと大規模言語モデル(LLM)を用いて,オープンワールド環境におけるユニバーサルインタラクション認識について検討する。我々の設計にはHO Prompt-guided Decoder (HOPD) が含まれており、基礎モデルにおける高次関係表現と画像内の様々なHOペアとの結合を容易にする。オープンカテゴリの対話認識では,対話文と解釈文の2つのタイプがサポートされている。
論文参考訳（メタデータ） (2023-11-07T08:27:32Z)
Measuring University Impact: Wikipedia approach [1.7894318579694353]
大学生のウィキペディアページの人気に基づいて,大学が与える影響を評価する新しい方法論について論じる。予備分析の結果,このアプローチの視点を証明する現代人の方がページビュー数が高いことがわかった。卒業生の人気に基づくランキングは、ウィキペディアのウェブページの人気に基づく大学のランキングと比較された。
論文参考訳（メタデータ） (2020-12-27T17:41:56Z)
BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
論文参考訳（メタデータ） (2020-07-28T17:46:18Z)
Scaling Imitation Learning in Minecraft [114.6964571273486]
本研究では,マインクラフト環境でのハード・サーベイ問題に対する最先端の性能を達成するために模倣学習を適用した。私たちのアプローチの初期バージョンは、NeurIPS 2019でMineRLコンペティションで2位にランクインしました。
論文参考訳（メタデータ） (2020-07-06T12:47:01Z)
Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
論文参考訳（メタデータ） (2020-01-13T12:49:22Z)

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。