論文の概要: Improving multidimensional projection quality with user-specific metrics and optimal scaling
- arxiv url: http://arxiv.org/abs/2407.16328v1
- Date: Tue, 23 Jul 2024 09:23:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-24 17:45:51.902410
- Title: Improving multidimensional projection quality with user-specific metrics and optimal scaling
- Title（参考訳）: ユーザ固有のメトリクスと最適スケーリングによる多次元投影品質の向上
- Authors: Maniru Ibrahim,
- Abstract要約: 本研究では,ユーザ固有の品質基準に基づいて多次元投影手法を調整した新しいフレームワークを提案する。
提案手法は, 3つの視覚的品質指標, ストレス, 近隣保存, シルエットスコアを組み合わせて, 正確なMP評価のための複合指標を作成する。
我々は、異なるプロジェクションの好みを持つ2人のユーザを対象に、t-SNE、UMAP、LAMPを用いてプロジェクションを生成する実験を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The growing prevalence of high-dimensional data has fostered the development of multidimensional projection (MP) techniques, such as t-SNE, UMAP, and LAMP, for data visualization and exploration. However, conventional MP methods typically employ generic quality metrics, neglecting individual user preferences. This study proposes a new framework that tailors MP techniques based on user-specific quality criteria, enhancing projection interpretability. Our approach combines three visual quality metrics, stress, neighborhood preservation, and silhouette score, to create a composite metric for a precise MP evaluation. We then optimize the projection scale by maximizing the composite metric value. We conducted an experiment involving two users with different projection preferences, generating projections using t-SNE, UMAP, and LAMP. Users rate projections according to their criteria, producing two training sets. We derive optimal weights for each set and apply them to other datasets to determine the best projections per user. Our findings demonstrate that personalized projections effectively capture user preferences, fostering better data exploration and enabling more informed decision-making. This user-centric approach promotes advancements in multidimensional projection techniques that accommodate diverse user preferences and enhance interpretability.
- Abstract（参考訳）: 高次元データの普及により、データ可視化と探索のための多次元投影技術(t-SNE, UMAP, LAMP)の開発が進められている。
しかし、従来のMPメソッドは通常、個々のユーザの好みを無視して、一般的な品質指標を使用する。
本研究では,ユーザ固有の品質基準に基づいてMPテクニックを調整し,プロジェクションの解釈性を向上する新しいフレームワークを提案する。
提案手法は, 3つの視覚的品質指標, ストレス, 近隣保存, シルエットスコアを組み合わせて, 正確なMP評価のための複合指標を作成する。
次に、合成計量値の最大化により、投影スケールを最適化する。
我々は、異なるプロジェクションの好みを持つ2人のユーザを対象に、t-SNE、UMAP、LAMPを用いてプロジェクションを生成する実験を行った。
ユーザーは基準に従って予測を評価し、2つのトレーニングセットを生成します。
各データセットに対して最適な重みを導出し、それを他のデータセットに適用して、ユーザ毎の最良のプロジェクションを決定する。
この結果から,パーソナライズされたプロジェクションがユーザの好みを効果的に把握し,より良いデータ探索を促進し,より情報的な意思決定を可能にすることが示唆された。
このユーザ中心のアプローチは、多様なユーザの嗜好を満たす多次元投影技術の進歩を促進し、解釈可能性を高める。
関連論文リスト
- RosePO: Aligning LLM-based Recommenders with Human Values [38.029251417802044]
我々は、パーソナライズされた選好最適化(RosePO)を円滑にするための一般的なフレームワークを提案する。
RosePOは、トレーニング後の段階において、カスタマイズされた人的価値との整合性が向上する。
実世界の3つのデータセットの評価は,本手法の有効性を示す。
論文 参考訳（メタデータ） (2024-10-16T12:54:34Z) - Aligning LLMs with Individual Preferences via Interaction [51.72200436159636]
調整可能な大きな言語モデル(LLM)をトレーニングします。
木構造における3K以上の多ターン会話を含む多ターン嗜好データセットを開発した。
評価のために、慎重に選択された100のサンプルと、会話中にカスタマイズされたアライメント性能を測定するために適切に設計されたメトリクスからなるALOEベンチマークを確立する。
論文 参考訳（メタデータ） (2024-10-04T17:48:29Z) - Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。
9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
論文 参考訳（メタデータ） (2024-10-03T13:02:07Z) - Improved Diversity-Promoting Collaborative Metric Learning for Recommendation [127.08043409083687]
CML(Collaborative Metric Learning)は、リコメンデーションシステムにおいて人気のある手法として最近登場した。
本稿では,ユーザが複数のカテゴリの関心を持つ,困難なシナリオに焦点をあてる。
textitDiversity-Promoting Collaborative Metric Learning (DPCML) と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-02T07:44:48Z) - A new visual quality metric for Evaluating the performance of multidimensional projections [1.6574413179773757]
人間の知覚に基づく新しい視覚品質指標を提案する。
提案手法は,MPの質を従来の測定値よりも正確に分析する。
論文 参考訳（メタデータ） (2024-07-23T09:02:46Z) - Data-Driven Portfolio Management for Motion Pictures Industry: A New Data-Driven Optimization Methodology Using a Large Language Model as the Expert [7.444673919915048]
各MPIプロジェクトに関わる有名人の効果を考えることは、前例のない専門家による手法では不可能であった。
本稿では,まず,有名人の名声スコアを大規模言語モデルを用いて決定する。
ボックスオフィスの予測は、プロジェクトごとに行われます。
論文 参考訳（メタデータ） (2024-04-11T02:23:30Z) - Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond [87.1712108247199]
我々の目標は、マルチモーダルパーソナライゼーションシステム(UniMP)のための統一パラダイムを確立することである。
我々は、幅広いパーソナライズされたニーズに対処できる汎用的でパーソナライズされた生成フレームワークを開発する。
我々の手法は、パーソナライズされたタスクのための基礎言語モデルの能力を高める。
論文 参考訳（メタデータ） (2024-03-15T20:21:31Z) - Interactive Hyperparameter Optimization in Multi-Objective Problems via
Preference Learning [65.51668094117802]
我々は多目的機械学習(ML)に適した人間中心型対話型HPO手法を提案する。
ユーザが自分のニーズに最も適した指標を推測する代わりに、私たちのアプローチは自動的に適切な指標を学習します。
論文 参考訳（メタデータ） (2023-09-07T09:22:05Z) - ShaRP: Shape-Regularized Multidimensional Projections [71.30697308446064]
本稿では,生成した散布板の視覚的シグネチャをユーザが明示的に制御できる新しいプロジェクション技術,ShaRPを提案する。
ShaRPは次元とデータセットサイズによく対応し、任意の定量的データセットを汎用的に処理する。
論文 参考訳（メタデータ） (2023-06-01T11:16:58Z) - OptWedge: Cognitive Optimized Guidance toward Off-screen POIs [0.0]
本稿では,画面外関心点(POI)を小型デバイスに導く新しい方法を提案する。
精度を向上させるために,その影響を考慮した認知的コストを用いて図形を最適化することを提案する。
また、異なるパラメータを持つ2つのタイプの最適化を設計する: Unbiased OptWedge (UOW) と biased OptWedge (BOW) である。
論文 参考訳（メタデータ） (2022-06-09T05:56:16Z)
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。