論文の概要: Fast and Adaptive Questionnaires for Voting Advice Applications

• arxiv url: http://arxiv.org/abs/2404.01872v1
• Date: Tue, 2 Apr 2024 11:55:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-03 16:38:36.504340
• Title: Fast and Adaptive Questionnaires for Voting Advice Applications
• Title（参考訳）: 投票アドバイザの迅速かつ適応的なアンケート
• Authors: Fynn Bachmann, Cristina Sarasua, Abraham Bernstein,
• Abstract要約: 本研究は, ユーザの過去の回答に基づいて, その後の質問を選択する適応型アンケート手法を提案する。 2019年のスイス連邦選挙のSmartvoteデータセットを使って、私たちのアプローチを検証しました。 提案手法は,エンコーダとデコーダの両方にIモデルを併用し,質問選択のためのPosteriorRMSE法と組み合わせることで,提案手法の精度を著しく向上させることが示唆された。
• 参考スコア（独自算出の注目度）: 6.91754515704176
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The effectiveness of Voting Advice Applications (VAA) is often compromised by the length of their questionnaires. To address user fatigue and incomplete responses, some applications (such as the Swiss Smartvote) offer a condensed version of their questionnaire. However, these condensed versions can not ensure the accuracy of recommended parties or candidates, which we show to remain below 40%. To tackle these limitations, this work introduces an adaptive questionnaire approach that selects subsequent questions based on users' previous answers, aiming to enhance recommendation accuracy while reducing the number of questions posed to the voters. Our method uses an encoder and decoder module to predict missing values at any completion stage, leveraging a two-dimensional latent space reflective of political science's traditional methods for visualizing political orientations. Additionally, a selector module is proposed to determine the most informative subsequent question based on the voter's current position in the latent space and the remaining unanswered questions. We validated our approach using the Smartvote dataset from the Swiss Federal elections in 2019, testing various spatial models and selection methods to optimize the system's predictive accuracy. Our findings indicate that employing the IDEAL model both as encoder and decoder, combined with a PosteriorRMSE method for question selection, significantly improves the accuracy of recommendations, achieving 74% accuracy after asking the same number of questions as in the condensed version.
• Abstract（参考訳）: 投票支援アプリケーション(VAA)の有効性は、アンケートの長さによってしばしば損なわれる。 ユーザの疲労と不完全な応答に対処するために、いくつかのアプリケーション(Swiss Smartvoteなど)は、そのアンケートの凝縮版を提供する。 しかし、これらの凝縮版は推奨政党や候補者の正確さを保証できない。 これらの制約に対処するため, 利用者の過去の回答に基づいて質問を適応的に選択し, 推薦精度を高めるとともに, 有権者に提示する質問の数を減らすことを目的としている。 本手法はエンコーダとデコーダモジュールを用いて, 政治科学の従来の政治的指向を可視化する手法を反映した2次元潜在空間を利用して, 任意の完了段階における欠落値の予測を行う。 さらに、投票者の現在位置と残りの未回答の質問に基づいて、最も情報に富む質問を決定するためのセレクタモジュールが提案されている。 私たちは、2019年のスイス連邦選挙のSmartvoteデータセットを使用して、システムの予測精度を最適化するために、さまざまな空間モデルと選択方法をテストするアプローチを検証しました。 以上の結果から,IDEALモデルをエンコーダとデコーダの両方として使用することにより,質問選択のためのPosteriorRMSE法と組み合わせることで,提案手法の精度が向上し,コンデンサ版と同じ質問数で74%の精度が得られた。

関連論文リスト

• Multimodal Reranking for Knowledge-Intensive Visual Question Answering [77.24401833951096]
  回答生成のための知識候補のランク付け品質を向上させるためのマルチモーダル・リランカを提案する。 OK-VQAとA-OKVQAの実験は、遠隔監視からのマルチモーダルリランカーが一貫した改善をもたらすことを示している。
  論文  参考訳（メタデータ） (2024-07-17T02:58:52Z)
• Selectively Answering Visual Questions [14.867972139262907]
  大規模マルチモーダルモデル(LMM)は、前例のない精度で視覚タスクを実行する能力を持って登場した。 テキスト内学習LMMを用いた視覚質問応答(VQA)のためのキャリブレーション手法とメトリクスの詳細な分析を行う。 テキストのみのテキスト学習よりも,視覚的に接地されたモデルの可能性が示唆された。
  論文  参考訳（メタデータ） (2024-06-03T04:28:10Z)
• CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval [52.134133938779776]
  CLARINETは,回答が正しい候補の確実性を最大化する質問を選択することで,情報的明確化を問うシステムである。 提案手法は,大規模言語モデル(LLM)を検索分布の条件付きで拡張し,各ターンで真の候補のランクを最大化する問題を生成する。
  論文  参考訳（メタデータ） (2024-04-28T18:21:31Z)
• Improving Selective Visual Question Answering by Learning from Your Peers [74.20167944693424]
  VQA(Visual Question Answering)モデルは、間違っていた場合の回答を控えるのに苦労する可能性がある。 本稿では,複数モーダル選択関数の学習におけるLearning from Your Peers (LYP) アプローチを提案する。 提案手法では,学習データの異なるサブセットに基づいて訓練されたモデルの予測を,選択的VQAモデルの最適化のターゲットとして利用する。
  論文  参考訳（メタデータ） (2023-06-14T21:22:01Z)
• Improving Recommendation System Serendipity Through Lexicase Selection [53.57498970940369]
  本稿では,レコメンデーションシステムにおけるエコーチャンバーとホモフィリーの存在を測定するための新しいセレンディピティー指標を提案する。 そこで我々は,レキシケース選択と呼ばれる親選択アルゴリズムを採用することにより,よく知られたレコメンデーション手法の多様性保存性の向上を試みる。 以上の結果から,レキシケースの選択とランキングの混合は,パーソナライゼーション,カバレッジ,セレンディピティー・ベンチマークにおいて,純粋にランク付けされている。
  論文  参考訳（メタデータ） (2023-05-18T15:37:38Z)
• Double Retrieval and Ranking for Accurate Question Answering [120.69820139008138]
  本研究では,トランスフォーマーを用いた解答選択モデルに導入された解答検証ステップが,問合せ解答における解答の精度を大幅に向上させることを示す。 AS2のためのよく知られた3つのデータセットの結果は、最先端の一貫性と大幅な改善を示している。
  論文  参考訳（メタデータ） (2022-01-16T06:20:07Z)
• A Clarifying Question Selection System from NTES_ALONG in Convai3 Challenge [8.656503175492375]
  本稿では,検索指向会話型AI (SCAI) EMNLPワークショップにおけるClariQチャレンジへのNetEase Game AI Labチームの参加について述べる。 この課題は、解明された質問を理解し、生成できる完全な会話情報検索システムを求めるものである。 本稿では,回答理解,質問のリコール,質問ランキングの明確化からなる質問選択システムを提案する。
  論文  参考訳（メタデータ） (2020-10-27T11:22:53Z)
• MS-Ranker: Accumulating Evidence from Potentially Correct Candidates for Answer Selection [59.95429407899612]
  そこで我々は,MS-Ranker という,新しい強化学習に基づくマルチステップランキングモデルを提案する。 我々は、候補の潜在的な正しさを明示的に考慮し、ゲーティング機構で証拠を更新する。 我々のモデルは、外部リソースに依存しない既存の手法を著しく上回ります。
  論文  参考訳（メタデータ） (2020-10-10T10:36:58Z)

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。