論文の概要: Ranking a Set of Objects using Heterogeneous Workers: QUITE an Easy Problem

• arxiv url: http://arxiv.org/abs/2310.02016v1
• Date: Tue, 3 Oct 2023 12:42:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-04 14:17:57.459633
• Title: Ranking a Set of Objects using Heterogeneous Workers: QUITE an Easy Problem
• Title（参考訳）: 異種労働者によるオブジェクトの集合のランク付け:簡単な問題
• Authors: Alessandro Nordio and Alberto tarable and Emilio Leonardi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 54.90613714264689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We focus on the problem of ranking $N$ objects starting from a set of noisy pairwise comparisons provided by a crowd of unequal workers, each worker being characterized by a specific degree of reliability, which reflects her ability to rank pairs of objects. More specifically, we assume that objects are endowed with intrinsic qualities and that the probability with which an object is preferred to another depends both on the difference between the qualities of the two competitors and on the reliability of the worker. We propose QUITE, a non-adaptive ranking algorithm that jointly estimates workers' reliabilities and qualities of objects. Performance of QUITE is compared in different scenarios against previously proposed algorithms. Finally, we show how QUITE can be naturally made adaptive.
• Abstract（参考訳）: 不平等な労働者の群集によって提供される、ノイズの多いペアワイズ比較から始まって、n$オブジェクトをランク付けする問題に焦点をあて、それぞれのワーカーは、オブジェクトのペアをランク付けする能力を反映した、特定のレベルの信頼性によって特徴づけられる。 より具体的には、オブジェクトには固有の性質が与えられており、オブジェクトが他のオブジェクトに好まれる確率は、2つの競合の質と作業者の信頼性の違いの両方に依存すると仮定する。 本稿では,作業者の信頼性と対象の質を共同で推定する非適応的ランキングアルゴリズムを提案する。 QUITEの性能は、以前提案されたアルゴリズムと異なるシナリオで比較される。 最後に、QUITEを自然に適応させる方法を示す。

関連論文リスト

• Rethinking Object Saliency Ranking: A Novel Whole-flow Processing Paradigm [22.038715439842044]
  本稿では、その「重要順」によって、有能な物体のランク付けに完全にフォーカスすることを目的とした、有能なランキングのための新しいパラダイムを提案する。 提案手法は、広く使われているSALICONの既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-12-06T01:51:03Z)
• 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)
• Learning Embeddings for Sequential Tasks Using Population of Agents [27.61165606165948]
  強化学習におけるタスクの定次元埋め込みを学習するための情報理論フレームワークを提案する。 1つのタスクでエージェントのパフォーマンスを観察すると、もう1つのタスクでエージェントのパフォーマンスに関する不確実性が低下する。
  論文  参考訳（メタデータ） (2023-06-05T23:38:31Z)
• Exposing and Addressing Cross-Task Inconsistency in Unified Vision-Language Models [80.23791222509644]
  一貫性のないAIモデルは、人間のユーザーによって不安定で信頼できないと見なされている。 最先端のビジョン言語モデルは、タスク間の驚くほど高い一貫性のない振る舞いに悩まされている。 本稿では,大規模で自動生成されるクロスタスクコントラスト集合上で計算されたランク相関に基づく補助訓練目標を提案する。
  論文  参考訳（メタデータ） (2023-03-28T16:57:12Z)
• Blind Image Quality Assessment via Vision-Language Correspondence: A Multitask Learning Perspective [93.56647950778357]
  ブラインド画像品質評価(BIQA)は、参照情報なしで画像品質の人間の知覚を予測する。 我々は,他のタスクからの補助的知識を活用するために,BIQAのための汎用的かつ自動化されたマルチタスク学習手法を開発した。
  論文  参考訳（メタデータ） (2023-03-27T07:58:09Z)
• A Case Study on Optimization of Warehouses [2.2101681534594237]
  倉庫では、労働者が倉庫の業績の大部分を担っている最も労働集約的でコストがかかる作業である。 本研究は,メザニン倉庫における倉庫配置の最適化と受注問題について,その相互的影響について検討する。
  論文  参考訳（メタデータ） (2021-11-23T07:22:57Z)
• Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
  ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。 本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。 提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
  論文  参考訳（メタデータ） (2021-10-08T13:51:55Z)
• Randomized Entity-wise Factorization for Multi-Agent Reinforcement Learning [59.62721526353915]
  実世界のマルチエージェント設定は、エージェントや非エージェントエンティティのタイプや量が異なるタスクを伴うことが多い。 我々の方法は、これらの共通点を活用することを目的としており、「観察対象のランダムに選択されたサブグループのみを考えるとき、各エージェントが期待する効用は何か?」という問いを投げかける。
  論文  参考訳（メタデータ） (2020-06-07T18:28:41Z)
• 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)

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。