論文の概要: Multiple-criteria Heuristic Rating Estimation
- arxiv url: http://arxiv.org/abs/2205.10428v1
- Date: Fri, 20 May 2022 20:12:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-24 19:21:18.729636
- Title: Multiple-criteria Heuristic Rating Estimation
- Title(参考訳): 複数基準ヒューリスティックレーティング推定
- Authors: Anna K\k{e}dzior and Konrad Ku{\l}akowski
- Abstract要約: 2014年に提案されたヒューリスティックレーティング推定(HRE)手法は、この問題に答えを導こうとした。
我々は、分析階層プロセスの階層化フレームワークの一部としてHREをどのように使用できるかを分析する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One of the most widespread multi-criteria decision-making methods is the
Analytic Hierarchy Process (AHP). AHP successfully combines the pairwise
comparisons method and the hierarchical approach. It allows the decision-maker
to set priorities for all ranked alternatives. But what if, for some of them,
their ranking value is known (e.g., it can be determined differently)? The
Heuristic Rating Estimation (HRE) method proposed in 2014 tried to bring the
answer to this question. However, the considerations were limited to a model
that did not consider many criteria. In this work, we go a step further and
analyze how HRE can be used as part of the AHP hierarchical framework. The
theoretical considerations are accompanied by illustrative examples showing HRE
as a multiple-criteria decision-making method.
- Abstract(参考訳): もっとも広範な多基準意思決定手法の一つが分析階層プロセス (AHP) である。
AHPはペアワイズ比較法と階層的アプローチをうまく組み合わせている。
意思決定者は、すべてのランク付けされた選択肢に対して優先順位を設定することができる。
しかし、もし彼らのランクの値が知られている場合(例えば、異なる方法で決定できる場合)はどうでしょう?
2014年に提案されたヒューリスティックレーティング推定(HRE)手法は、この問題に答えを導こうとした。
しかし、その考慮は多くの基準を考慮しないモデルに限られていた。
本稿では、さらに一歩進めて、AHP階層フレームワークの一部としてHREをどのように使用できるかを分析する。
理論的考察には、HREが多重基準決定法であることを示す説明例が伴っている。
関連論文リスト
- Ranking Unraveled: Recipes for LLM Rankings in Head-to-Head AI Combat [7.8905223445925055]
大規模言語モデル(LLM)に対する人間の嗜好を評価する新しい方法として、ペアワイズランキングが登場した。
LLMの前後比較におけるランキングシステムの有効性について検討する。
我々の分析は、ランキングの精度と効率に影響を与える要因について重要な洞察を見出している。
論文 参考訳(メタデータ) (2024-11-19T20:16:26Z) - An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
まず最適化モデルを構築し,非単調な選好をモデル化する。
本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。
2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
論文 参考訳(メタデータ) (2024-09-04T14:36:20Z) - Top-K Pairwise Ranking: Bridging the Gap Among Ranking-Based Measures for Multi-Label Classification [120.37051160567277]
本稿では,Top-K Pairwise Ranking(TKPR)という新しい尺度を提案する。
一連の分析により、TKPRは既存のランキングベースの尺度と互換性があることが示されている。
一方,データ依存縮約法という新しい手法に基づいて,提案手法の急激な一般化を確立する。
論文 参考訳(メタデータ) (2024-07-09T09:36:37Z) - Multi-Criteria Comparison as a Method of Advancing Knowledge-Guided Machine Learning [1.6574413179773761]
本稿では,AI/MLモデルの評価に適用可能な一般化可能なモデル評価手法について述べる。
本手法は,複数の科学的,理論的,実践的基準にまたがる,様々なタイプの候補モデルと構造の評価を行う。
論文 参考訳(メタデータ) (2024-03-18T14:50:48Z) - HD-Eval: Aligning Large Language Model Evaluators Through Hierarchical
Criteria Decomposition [92.17397504834825]
HD-Evalは、大規模な言語モデル評価ツールと人間の好みを反復的に調整するフレームワークである。
HD-Evalは、人間の専門家の評価思想から本質を継承し、LLMに基づく評価器のアライメントを強化する。
3つの評価領域に関する広範囲な実験は、HD-Evalのさらなる整合状態評価器の優位性を実証している。
論文 参考訳(メタデータ) (2024-02-24T08:01:32Z) - Risk Consistent Multi-Class Learning from Label Proportions [64.0125322353281]
本研究は,バッグにトレーニングインスタンスを提供するMCLLP設定によるマルチクラス学習に対処する。
既存のほとんどのMCLLPメソッドは、インスタンスの予測や擬似ラベルの割り当てにバッグワイズな制約を課している。
経験的リスク最小化フレームワークを用いたリスク一貫性手法を提案する。
論文 参考訳(メタデータ) (2022-03-24T03:49:04Z) - On the Evaluation of Answer-Agnostic Paragraph-level Multi-Question
Generation [57.630606799713526]
本研究は,所定の段落から有意な質問の集合を予測するタスクについて,その解答の事前知識を伴わずに検討する。
まず、ハンガリーのアルゴリズムを用いて、提案したペアをスコア付けする前に、予測された質問を参照に割り当てることにより、参照の集合に対して予測された質問の集合を評価する新しい手法を提案する。
第2に,事前学習したseq2seqモデルを用いて,与えられた段落に関連する質問の集合を生成し,選択するための異なる戦略を比較した。
論文 参考訳(メタデータ) (2022-03-09T00:55:54Z) - R\&D evaluation methodology based on group-AHP with uncertainty [0.17689918341582753]
本稿では,分析階層プロセス(AHP)に基づく研究開発(R&D)の性能評価手法を提案する。
R&Dのパフォーマンス評価に必要な指標のセットを抽出する。
すべての指標に関連する数値は、与えられたR&Dプロジェクトにスコアを割り当てるために使用される。
論文 参考訳(メタデータ) (2021-08-05T13:04:33Z) - A study of the Multicriteria decision analysis based on the time-series
features and a TOPSIS method proposal for a tensorial approach [1.3750624267664155]
本稿では, 時系列の特徴(依存性, ばらつきなど)に基づいて, 選択肢をランク付けする新しい手法を提案する。
この新しいアプローチでは、データは3次元で構造化され、テキストテンソルのようなより複雑なデータ構造を必要とする。
計算結果から,有意義な意思決定情報を考慮することで,新たな視点から選択肢をランク付けすることが可能であることが示唆された。
論文 参考訳(メタデータ) (2020-10-21T14:37:02Z) - Selective Classification via One-Sided Prediction [54.05407231648068]
片側予測(OSP)に基づく緩和は、実際に関係する高目標精度体制において、ほぼ最適カバレッジが得られるSCスキームをもたらす。
理論的には,SCとOSPのバウンダリ一般化を導出し,その手法が小さな誤差レベルでのカバレッジにおいて,技術手法の状態を強く上回ることを示す。
論文 参考訳(メタデータ) (2020-10-15T16:14:27Z) - Application of independent component analysis and TOPSIS to deal with
dependent criteria in multicriteria decision problems [8.637110868126546]
本稿では,観測データから独立した潜伏基準のセットを推定することを目的とした新しいアプローチを提案する。
我々のアプローチの中心的な要素は、決定問題をブラインドソース分離問題として定式化することである。
我々は,TOPSISをベースとした代替品のランク付け手法を,潜在基準から検討する。
論文 参考訳(メタデータ) (2020-02-06T13:51:28Z)
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。