論文の概要: Bounding Consideration Probabilities in Consider-Then-Choose Ranking Models

• arxiv url: http://arxiv.org/abs/2401.11016v1
• Date: Fri, 19 Jan 2024 20:27:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-23 18:31:55.777498
• Title: Bounding Consideration Probabilities in Consider-Then-Choose Ranking Models
• Title（参考訳）: consider-then-choose ランキングモデルにおけるバウンディング考慮確率
• Authors: Ben Aoki-Sherwood, Catherine Bregou, David Liben-Nowell, Kiran Tomlinson, Thomas Zeng
• Abstract要約: 正確な識別ができないにもかかわらず、考慮すべき確率に関する有用な情報を学習できることが示される。 本手法は,心理学実験のランキングデータセット上で,2つの異なるランキングタスクを用いて実証する。
• 参考スコア（独自算出の注目度）: 4.968566004977497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A common theory of choice posits that individuals make choices in a two-step process, first selecting some subset of the alternatives to consider before making a selection from the resulting consideration set. However, inferring unobserved consideration sets (or item consideration probabilities) in this "consider then choose" setting poses significant challenges, because even simple models of consideration with strong independence assumptions are not identifiable, even if item utilities are known. We consider a natural extension of consider-then-choose models to a top-$k$ ranking setting, where we assume rankings are constructed according to a Plackett-Luce model after sampling a consideration set. While item consideration probabilities remain non-identified in this setting, we prove that knowledge of item utilities allows us to infer bounds on the relative sizes of consideration probabilities. Additionally, given a condition on the expected consideration set size, we derive absolute upper and lower bounds on item consideration probabilities. We also provide algorithms to tighten those bounds on consideration probabilities by propagating inferred constraints. Thus, we show that we can learn useful information about consideration probabilities despite not being able to identify them precisely. We demonstrate our methods on a ranking dataset from a psychology experiment with two different ranking tasks (one with fixed consideration sets and one with unknown consideration sets). This combination of data allows us to estimate utilities and then learn about unknown consideration probabilities using our bounds.
• Abstract（参考訳）: 選択の一般的な理論は、個人が2段階のプロセスで選択することを示し、まず選択肢のサブセットを選択して、結果の考慮セットから選択する。 しかし、この「考察するならば選択する」という設定で未観測の考察セット(または項目考慮確率)を推定することは、たとえアイテムユーティリティが知られているとしても、強い独立性の仮定を持つ単純な考察モデルでさえ識別できないため、重大な課題を引き起こす。 我々は,考慮-then-chooseモデルの自然拡張を最大$k$のランキング設定に拡張し,考慮集合をサンプリングした後,platckett-luceモデルに従ってランキングが構築されると仮定する。 この設定では、項目考慮確率は未特定のままであるが、項目ユーティリティの知識により、考慮確率の相対的大きさの境界を推測できることが証明される。 さらに、期待考慮集合の大きさの条件を与えられたとき、アイテム考慮確率の絶対上限と下限を導出する。 また、推論された制約を伝播させることにより、確率に基づく境界を狭めるアルゴリズムも提供する。 そこで本研究では, 正確な同定ができずに, 考えられる確率について有用な情報を得ることができることを示す。 本手法は,2つの異なる格付け課題(定点集合と未知点集合)を用いた心理学実験から得られたランク付けデータセット上で実証する。 このデータの組み合わせによって、ユーティリティを推定し、境界を使って未知の考慮確率を学ぶことができます。

関連論文リスト

• Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
  我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。 選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。 また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-29T20:56:34Z)
• Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
  我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。 我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。 実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
  論文  参考訳（メタデータ） (2024-04-04T11:32:03Z)
• Sample size planning for conditional counterfactual mean estimation with a K-armed randomized experiment [0.0]
  K$のランダム化実験で十分なサンプルサイズを決定する方法を示す。 政策木を用いてサブグループを学習し、公開可能な大規模なランダム化実験データセットにおいて、我々の名目上の保証を評価する。
  論文  参考訳（メタデータ） (2024-03-06T20:37:29Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Skeptical inferences in multi-label ranking with sets of probabilities [3.883460584034766]
  本稿では,多ラベルランキング問題に対する懐疑的推論の問題点について考察する。 我々は、完成したランキングからなる設定値予測の観点から懐疑的な推測を求める。
  論文  参考訳（メタデータ） (2022-10-16T16:17:56Z)
• Bounding Counterfactuals under Selection Bias [60.55840896782637]
  本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。 選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
  論文  参考訳（メタデータ） (2022-07-26T10:33:10Z)
• Selective Ensembles for Consistent Predictions [19.154189897847804]
  不整合は高い文脈では望ましくない。 この矛盾は、予測を超えて属性を特徴付けていることが示される。 我々は,選択的アンサンブルが低禁制率を維持しつつ,一貫した予測と特徴属性を達成することを証明した。
  論文  参考訳（メタデータ） (2021-11-16T05:03:56Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
  確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。 我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。 まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
  論文  参考訳（メタデータ） (2020-08-19T16:04:34Z)

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。