論文の概要: Ranking with Ties based on Noisy Performance Data

• arxiv url: http://arxiv.org/abs/2405.18259v2
• Date: Tue, 18 Jun 2024 21:44:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 23:33:13.732101
• Title: Ranking with Ties based on Noisy Performance Data
• Title（参考訳）: ノイズパフォーマンスデータに基づくTiesによるランク付け
• Authors: Aravind Sankaran, Lars Karlsson, Paolo Bientinesi,
• Abstract要約: 我々は,その性能の測定がノイズにさらされている場合に,その性能に基づいて対象物群をランク付けする問題を考察する。 このシナリオでは、パフォーマンスは繰り返し測定され、結果として各オブジェクトに対する様々な測定結果が得られます。 部分ランク付けの助けを借りて,オブジェクト間の性能差を調査する方法を示す。
• 参考スコア（独自算出の注目度）: 0.8397730500554048
• License:
• Abstract: We consider the problem of ranking a set of objects based on their performance when the measurement of said performance is subject to noise. In this scenario, the performance is measured repeatedly, resulting in a range of measurements for each object. If the ranges of two objects do not overlap, then we consider one object as 'better' than the other, and we expect it to receive a higher rank; if, however, the ranges overlap, then the objects are incomparable, and we wish them to be assigned the same rank. Unfortunately, the incomparability relation of ranges is in general not transitive; as a consequence, in general the two requirements cannot be satisfied simultaneously, i.e., it is not possible to guarantee both distinct ranks for objects with separated ranges, and same rank for objects with overlapping ranges. This conflict leads to more than one reasonable way to rank a set of objects. In this paper, we explore the ambiguities that arise when ranking with ties, and define a set of reasonable rankings, which we call partial rankings. We develop and analyse three different methodologies to compute a partial ranking. Finally, we show how performance differences among objects can be investigated with the help of partial ranking.
• Abstract（参考訳）: 我々は,その性能の測定がノイズにさらされている場合に,その性能に基づいて対象物群をランク付けする問題を考察する。 このシナリオでは、パフォーマンスは繰り返し測定され、結果として各オブジェクトに対する様々な測定結果が得られます。 2つのオブジェクトの範囲が重なり合わなければ、1つのオブジェクトをもう1つのオブジェクトよりも 'better' とみなし、より高いランクを期待する。 残念なことに、範囲の非互換関係は概して推移的ではなく、結果として2つの要件を同時に満たすことができない。 この矛盾は、一組のオブジェクトをランク付けする1つ以上の合理的な方法をもたらす。 本稿では,関係のあるランク付け時に生じるあいまいさを考察し,部分ランク付けと呼ばれる合理的ランキングのセットを定義する。 部分ランク付けを計算するための3つの異なる手法を開発し,分析する。 最後に,部分ランク付けの助けを借りて,オブジェクト間の性能差について検討する。

関連論文リスト

• AGRaME: Any-Granularity Ranking with Multi-Vector Embeddings [53.78802457488845]
  我々は,多ベクトル埋め込みを利用して粒度の異なるレベルにランク付けする,任意の粒度ランキングの考え方を紹介した。 検索強化世代におけるポストホック励振付加への命題レベルのランク付けの適用を実証する。
  論文  参考訳（メタデータ） (2024-05-23T20:04:54Z)
• 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)
• Ranking a Set of Objects using Heterogeneous Workers: QUITE an Easy Problem [54.90613714264689]
  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。
  論文  参考訳（メタデータ） (2023-10-03T12:42:13Z)
• Bipartite Ranking Fairness through a Model Agnostic Ordering Adjustment [54.179859639868646]
  本稿では,二部類ランキングにおける公平性を実現するためのモデルに依存しない後処理フレームワークxOrderを提案する。 xOrderは、教師なしおよび教師なしの公正度メトリックを含む、さまざまな分類モデルとランキングフェアネスメトリクスと互換性がある。 提案アルゴリズムを,4つのベンチマークデータセットと2つの実世界の患者電子健康記録リポジトリ上で評価した。
  論文  参考訳（メタデータ） (2023-07-27T07:42:44Z)
• Learning List-Level Domain-Invariant Representations for Ranking [59.3544317373004]
  リストレベルのアライメント -- より高いレベルのリストでドメイン不変表現を学習する。 利点は2つある: これは、ランク付けに縛られる最初のドメイン適応の一般化をもたらし、その結果、提案法に対する理論的支援を提供する。
  論文  参考訳（メタデータ） (2022-12-21T04:49:55Z)
• Surprise: Result List Truncation via Extreme Value Theory [92.5817701697342]
  そこで本研究では,問合せ時における可逆的・校正的関連度スコアを,ランク付けされたスコアに留まらず,統計的に生成する手法を提案する。 本稿では、画像、テキスト、IRデータセット間での結果リストのトランケーションタスクにおいて、その効果を実証する。
  論文  参考訳（メタデータ） (2020-10-19T19:15:50Z)
• 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)
• Rough Set based Aggregate Rank Measure & its Application to Supervised Multi Document Summarization [0.0]
  本論文は、ランク尺度と呼ばれる新しいラフセットベースのメンバーシップを提案する。 要素を特定のクラスにランク付けするために使用する。 その結果,精度は有意に向上した。
  論文  参考訳（メタデータ） (2020-02-09T01:03:25Z)
• Deep Attentive Ranking Networks for Learning to Order Sentences [31.70737249775046]
  本稿では,1段落の文の順序付けを学習するための注意に基づく格付けフレームワークを提案する。 本フレームワークは,双方向文エンコーダと自己認識型トランスフォーマネットワーク上に構築されている。 ポイントワイド、ペアワイド、リストワイドランキングなど、さまざまなランキングベースの損失関数を使用したシームレスなトレーニングを可能にする。
  論文  参考訳（メタデータ） (2019-12-31T19:54:27Z)

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。