Fugu-MT 論文翻訳(概要): Detection of decision-making manipulation in the pairwise comparisons method

論文の概要: Detection of decision-making manipulation in the pairwise comparisons method

arxiv url: http://arxiv.org/abs/2405.16693v1
Date: Sun, 26 May 2024 20:58:12 GMT
ステータス: 処理完了
システム内更新日: 2024-05-28 19:48:31.482792
Title: Detection of decision-making manipulation in the pairwise comparisons method
Title（参考訳）: ペアワイズ比較法による意思決定操作の検出
Authors: Michał Strada, Sebastian Ernst, Jacek Szybowski, Konrad Kułakowski,
Abstract要約: 本稿では,ペアワイズ比較法における3つの簡単な操作法を提案する。次に、適切に構築されたニューラルネットワークを用いてこれらの手法を検出する。実験の結果,生成したデータに対する提案した解に付随し,かなりの操作検出レベルを示した。
参考スコア（独自算出の注目度）: 0.2678472239880052
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Most decision-making models, including the pairwise comparison method, assume the decision-makers honesty. However, it is easy to imagine a situation where a decision-maker tries to manipulate the ranking results. This paper presents three simple manipulation methods in the pairwise comparison method. We then try to detect these methods using appropriately constructed neural networks. Experimental results accompany the proposed solutions on the generated data, showing a considerable manipulation detection level.
Abstract（参考訳）: ペア比較法を含むほとんどの意思決定モデルは、意思決定者が正直であると仮定する。しかし、意思決定者がランキングを操作しようとする状況は想像に難くない。本稿では,ペアワイズ比較法における3つの簡単な操作法を提案する。次に、適切に構築されたニューラルネットワークを用いてこれらの手法を検出する。実験の結果,生成したデータに対する提案した解に付随し,かなりの操作検出レベルを示した。

関連論文リスト

Establishing a leader in a pairwise comparisons method [0.2678472239880052]
操作攻撃の開始に使用できるアルゴリズムを2つ示す。 2つの選択された選択肢の重み付けをペア比較法で行うことができ、その結果、リーダーを選択することができる。
論文参考訳（メタデータ） (2024-03-21T23:42:00Z)
A multi-criteria approach for selecting an explanation from the set of counterfactuals produced by an ensemble of explainers [4.239829789304117]
そこで本研究では,マルチ基準解析に基づいて単一対実数を選択するマルチステージアンサンブル手法を提案する。提案手法は、検討された品質指標の魅力的な妥協値を持つ、完全に実行可能な対策を生成できる。
論文参考訳（メタデータ） (2024-03-20T19:25:11Z)
Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文参考訳（メタデータ） (2023-03-21T14:24:58Z)
Manipulation of individual judgments in the quantitative pairwise comparisons method [0.0]
専門家(意思決定者)はその判断に誠実であると一般的に信じられている。私たちの研究では、専門家が収賄に弱いシナリオを考えます。
論文参考訳（メタデータ） (2022-11-01T22:35:00Z)
Heuristic Rating Estimation Method for the incomplete pairwise comparisons matrices [0.0]
ヒューリスティックレーティング推定法により、意思決定者は既存のランキングデータと専門家の比較に基づいて決定できる。これらのアルゴリズムがどのように拡張され、専門家が全ての選択肢をペアで比較する必要がないかを示す。
論文参考訳（メタデータ） (2022-07-21T23:14:21Z)
Towards Better Understanding Attribution Methods [77.1487219861185]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
論文参考訳（メタデータ） (2022-05-20T20:50:17Z)
Meta-Learning Approaches for a One-Shot Collective-Decision Aggregation: Correctly Choosing how to Choose Correctly [0.7874708385247353]
単発の機械学習に基づくアグリゲーションアプローチを2つ提示する。最初の予測では、集団の選択に関する複数の特徴が与えられた場合、どのアグリゲーション法が最善かが予想される。 2つ目は、どの決定が最適かを直接予測する。
論文参考訳（メタデータ） (2022-04-03T15:06:59Z)
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)
Fast Template Matching and Update for Video Object Tracking and Segmentation [56.465510428878]
私たちが取り組もうとしている主な課題は、フレームの列にまたがるマルチインスタンスの半教師付きビデオオブジェクトセグメンテーションである。課題は、結果を予測するためのマッチングメソッドの選択と、ターゲットテンプレートを更新するかどうかを決定することである。本稿では,これら2つの決定を同時に行うために,強化学習を利用する新しい手法を提案する。
論文参考訳（メタデータ） (2020-04-16T08:58:45Z)
Almost-Matching-Exactly for Treatment Effect Estimation under Network Interference [73.23326654892963]
本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
論文参考訳（メタデータ） (2020-03-02T15:21:20Z)
Learning with Differentiable Perturbed Optimizers [54.351317101356614]
本稿では,操作を微分可能で局所的に一定ではない操作に変換する手法を提案する。提案手法は摂動に依拠し,既存の解法とともに容易に利用することができる。本稿では,この枠組みが,構造化予測において発達した損失の族とどのように結びつくかを示し,学習課題におけるそれらの使用に関する理論的保証を与える。
論文参考訳（メタデータ） (2020-02-20T11:11:32Z)

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。