論文の概要: Pacos: Modeling Users' Interpretable and Context-Dependent Choices in Preference Reversals

• arxiv url: http://arxiv.org/abs/2303.05648v2
• Date: Sun, 18 Jun 2023 03:40:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-22 03:21:35.327067
• Title: Pacos: Modeling Users' Interpretable and Context-Dependent Choices in Preference Reversals
• Title（参考訳）: Pacos: 推奨反転におけるユーザの解釈とコンテキスト依存の選択をモデル化する
• Authors: Qingming Li and H. Vicky Zhao
• Abstract要約: 我々は,ユーザの適応重み,イテム間比較,表示位置の3つの要因を同定した。 3つの要因を同時に扱うための統合フレームワークとして,Pacosというコンテキスト依存の嗜好モデルを提案する。 実験の結果,提案手法は,ユーザの選択を予測するための先行作業よりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 8.041047797530808
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Choice problems refer to selecting the best choices from several items, and learning users' preferences in choice problems is of great significance in understanding the decision making mechanisms and providing personalized services. Existing works typically assume that people evaluate items independently. In practice, however, users' preferences depend on the market in which items are placed, which is known as context effects; and the order of users' preferences for two items may even be reversed, which is referred to preference reversals. In this work, we identify three factors contributing to context effects: users' adaptive weights, the inter-item comparison, and display positions. We propose a context-dependent preference model named Pacos as a unified framework for addressing three factors simultaneously, and consider two design methods including an additive method with high interpretability and an ANN-based method with high accuracy. We study the conditions for preference reversals to occur and provide an theoretical proof of the effectiveness of Pacos in addressing preference reversals. Experimental results show that the proposed method has better performance than prior works in predicting users' choices, and has great interpretability to help understand the cause of preference reversals.
• Abstract（参考訳）: 選択問題とは、いくつかの項目から最適な選択を選択することを指し、選択問題におけるユーザの好みを学ぶことは、意思決定メカニズムを理解し、パーソナライズされたサービスを提供する上で非常に重要である。 現存する作品は通常、人々が個別にアイテムを評価すると仮定する。 しかし、実際には、ユーザの嗜好は、コンテキスト効果と呼ばれるアイテムが配置されている市場に依存しており、2つの項目に対するユーザの嗜好の順序は逆転し、嗜好逆転と呼ばれることもある。 本研究では,ユーザの適応的な重み付け,項目間比較,表示位置の3つの要因を明らかにする。 本稿では,3つの要素を同時に扱うための統一フレームワークとしてpacosと呼ばれる文脈依存選好モデルを提案し,高い解釈性を持つ付加法と高精度な ann 法を含む2つの設計法を検討する。 プライオリティ・リバーサルの発生条件について検討し,プライオリティ・リバーサルの対処におけるpacosの有効性を理論的に証明する。 実験結果から,提案手法は,ユーザの選択を予測するための先行作業よりも優れた性能を示し,好みの逆転の原因を理解するのに大いに役立つことがわかった。

関連論文リスト

• Active Preference-based Learning for Multi-dimensional Personalization [7.349038301460469]
  大規模言語モデル(LLM)はタスク間で顕著な汎用性を示しているが、個々の人間の好みに合わせることは依然として困難である。 複数の目的にまたがるユーザの嗜好を推定するためにバイナリフィードバックを用いた能動的嗜好学習フレームワークを提案する。 モデル応答をパーソナライズする上で,言語生成タスクに関する理論的解析と実験を行い,そのフィードバック効率と有効性を示す。
  論文  参考訳（メタデータ） (2024-11-01T11:49:33Z)
• Diverging Preferences: When do Annotators Disagree and do Models Know? [92.24651142187989]
  我々は,4つのハイレベルクラスにまたがる10のカテゴリにまたがる相違点の分類法を開発した。 意見の相違の大部分は、標準的な報酬モデリングアプローチに反対している。 本研究は,選好の変化を識別し,評価とトレーニングへの影響を緩和する手法を開発する。
  論文  参考訳（メタデータ） (2024-10-18T17:32:22Z)
• PREDICT: Preference Reasoning by Evaluating Decomposed preferences Inferred from Candidate Trajectories [3.0102456679931944]
  提案手法は,選好の精度と適応性を向上する手法である PreDICT を提案する。 我々は、グリッドワールド設定と新しいテキストドメイン環境の2つの異なる環境でPreDICTを評価する。
  論文  参考訳（メタデータ） (2024-10-08T18:16:41Z)
• Improving Context-Aware Preference Modeling for Language Models [62.32080105403915]
  本稿では、まず、文脈を選択し、選択した文脈に対する嗜好を評価することによって、不特定性を解決する2段階の選好モデリング手法について考察する。 我々は、文脈条件付き嗜好データセットと実験に貢献し、文脈特化選好を評価する言語モデルの能力について検討する。
  論文  参考訳（メタデータ） (2024-07-20T16:05:17Z)
• 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)
• Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference [50.95521705711802]
  従来の研究では、予測モデルの偏りのない学習を実現するために、選択バイアスに対処することに注力してきた。 本稿では、因果推論の観点から、近隣効果を干渉問題として公式に定式化する。 本稿では,近隣効果の存在下で選択バイアスに対処できる新しい理想的損失を提案する。
  論文  参考訳（メタデータ） (2024-04-30T15:20:41Z)
• Preference or Intent? Double Disentangled Collaborative Filtering [34.63377358888368]
  従来の協調フィルタリング手法では、意図と好みの要素は、通常モデリングプロセスで絡み合わされる。 個人化されたレコメンデーションのための2次元表現学習手法であるDouble Disentangled Collaborative Filtering (DDCF)を提案する。
  論文  参考訳（メタデータ） (2023-05-18T16:13:41Z)
• Probe: Learning Users' Personalized Projection Bias in Intertemporal Choices [5.874142059884521]
  本研究では、投射バイアスと基準点効果の2つのよく観察されるバイアスに焦点を当てる。 これらのバイアスに対処するために, Probe と呼ばれる新しいバイアス埋め込み選好モデルを提案する。 Probeには、ユーザの予測バイアスをキャプチャする重み関数と、参照ポイント効果を考慮に入れた値関数が組み込まれている。
  論文  参考訳（メタデータ） (2023-03-09T12:13:46Z)
• Eliciting User Preferences for Personalized Multi-Objective Decision Making through Comparative Feedback [76.7007545844273]
  目的に対して異なるユーザの好みに対応する多目的意思決定フレームワークを提案する。 我々のモデルは、ベクトル値の報酬関数を持つマルコフ決定プロセスで構成され、各ユーザが未知の選好ベクトルを持つ。 少数の比較クエリを用いて,ユーザに対してほぼ最適なポリシを求めるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-07T23:58:19Z)
• Set2setRank: Collaborative Set to Set Ranking for Implicit Feedback based Recommendation [59.183016033308014]
  本稿では,暗黙的フィードバックの特徴を探究し,推奨するSet2setRankフレームワークを提案する。 提案するフレームワークはモデルに依存しず,ほとんどの推奨手法に容易に適用できる。
  論文  参考訳（メタデータ） (2021-05-16T08:06:22Z)

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。

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。