論文の概要: Structured Conformal Inference for Matrix Completion with Applications to Group Recommender Systems

• arxiv url: http://arxiv.org/abs/2404.17561v1
• Date: Fri, 26 Apr 2024 17:42:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-29 12:25:41.794067
• Title: Structured Conformal Inference for Matrix Completion with Applications to Group Recommender Systems
• Title（参考訳）: 行列補完に対する構造的等角的推論と群 Recommender システムへの応用
• Authors: Ziyi Liang, Tianmin Xie, Xin Tong, Matteo Sesia,
• Abstract要約: 我々は、欠落したエントリの構造化されたグループに対する連立信頼領域を構築するための共形推論手法を開発した。 本手法は,構造化キャリブレーションデータセットを慎重に組み立てることで,より強力なグループレベルの保証を実現する。
• 参考スコア（独自算出の注目度）: 16.519348575982004
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop a conformal inference method to construct joint confidence regions for structured groups of missing entries within a sparsely observed matrix. This method is useful to provide reliable uncertainty estimation for group-level collaborative filtering; for example, it can be applied to help suggest a movie for a group of friends to watch together. Unlike standard conformal techniques, which make inferences for one individual at a time, our method achieves stronger group-level guarantees by carefully assembling a structured calibration data set mimicking the patterns expected among the test group of interest. We propose a generalized weighted conformalization framework to deal with the lack of exchangeability arising from such structured calibration, and in this process we introduce several innovations to overcome computational challenges. The practicality and effectiveness of our method are demonstrated through extensive numerical experiments and an analysis of the MovieLens 100K data set.
• Abstract（参考訳）: 本手法は, スパースマトリクス内において, 欠落したエントリの構造群に対する共形信頼領域を構築するための共形推論法を開発した。 本手法は,グループレベルの協調フィルタリングにおける確実な不確実性推定に有用であり,例えば,友人同士が一緒に見る映画の提案に役立てることができる。 本手法は,1個ずつの推論を行う標準共形手法とは違って,テストグループ間で期待されるパターンを模倣した構造的キャリブレーションデータセットを慎重に組み立てることで,より強力なグループレベルの保証を実現する。 本稿では、そのような構造的キャリブレーションによる交換可能性の欠如に対処する一般化された重み付き共形化フレームワークを提案する。 本手法の実用性と有効性は,広範囲な数値実験とMovieLens 100Kデータセットの解析により実証された。

関連論文リスト

• A structured regression approach for evaluating model performance across intersectional subgroups [53.91682617836498]
  分散評価(disaggregated evaluation)は、AIフェアネスアセスメントにおける中心的なタスクであり、AIシステムのさまざまなサブグループ間でのパフォーマンスを測定することを目的としている。 非常に小さなサブグループであっても,信頼性の高いシステム性能推定値が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-26T14:21:45Z)
• 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)
• HiPerformer: Hierarchically Permutation-Equivariant Transformer for Time Series Forecasting [56.95572957863576]
  本稿では,同じ群を構成する成分間の関係と群間の関係を考察した階層的置換同変モデルを提案する。 実世界のデータを用いた実験により,提案手法が既存の最先端手法より優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-14T05:11:52Z)
• Group conditional validity via multi-group learning [5.797821810358083]
  本研究では,分布自由な共形予測の問題と群条件妥当性の基準について考察する。 既存の方法は、制限的群化構造または分布的仮定の下でそのような保証を達成する。 マルチグループ学習と呼ばれる問題に対して,アルゴリズムを活用することにより,個人集団に対する妥当性保証を実現する問題に対する簡易な削減を提案する。
  論文  参考訳（メタデータ） (2023-03-07T15:51:03Z)
• Robust Consensus Clustering and its Applications for Advertising Forecasting [18.242055675730253]
  我々は,専門家の意見に共通する根拠となる真実を見出すことのできる,ロバストなコンセンサスクラスタリングという新しいアルゴリズムを提案する。 提案手法を実世界の広告キャンペーンセグメンテーションと予測タスクに適用する。
  論文  参考訳（メタデータ） (2022-12-27T21:49:04Z)
• Rethinking Clustering-Based Pseudo-Labeling for Unsupervised Meta-Learning [146.11600461034746]
  教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。 このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。 このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
  論文  参考訳（メタデータ） (2022-09-27T19:04:36Z)
• A One-shot Framework for Distributed Clustered Learning in Heterogeneous Environments [54.172993875654015]
  異種環境における分散学習のためのコミュニケーション効率化手法のファミリーを提案する。 ユーザによるローカル計算に基づくワンショットアプローチと、サーバにおけるクラスタリングベースのアグリゲーションステップは、強力な学習保証を提供する。 厳密な凸問題に対しては,ユーザ毎のデータ点数がしきい値を超える限り,提案手法はサンプルサイズの観点から順序最適平均二乗誤差率を達成する。
  論文  参考訳（メタデータ） (2022-09-22T09:04:10Z)
• Exclusive Group Lasso for Structured Variable Selection [10.86544864007391]
  構造化変数選択問題を考える。 合成ノルムは、そのような排他的グループ空間パターンを促進するために適切に設計することができる。 構造原子を推定された支持体に含めて解を構築する能動集合アルゴリズムが提案されている。
  論文  参考訳（メタデータ） (2021-08-23T16:55:13Z)
• Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking Fairness and Algorithm Utility [54.179859639868646]
  Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。 学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。 本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-15T10:08:39Z)
• Robust Grouped Variable Selection Using Distributionally Robust Optimization [11.383869751239166]
  摂動下での群付き変数選択のための不確実性セットを用いた分布ロバスト最適化(DRO)の定式化を提案する。 我々は,サンプル外損失と推定バイアスの確率的境界を証明し,推定器の群化効果を確立する。 我々の定式化は,群レベルでの空間性を促進する解釈可能で同相なモデルを生成することを示す。
  論文  参考訳（メタデータ） (2020-06-10T22:32:52Z)

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。