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
- 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) - EvalCrafter: Benchmarking and Evaluating Large Video Generation Models [70.19437817951673]
これらのモデルはしばしば、マルチアスペクト能力を持つ非常に大きなデータセットで訓練されているので、単純な指標から大きな条件生成モデルを判断することは困難である、と我々は主張する。
我々のアプローチは、テキスト・ツー・ビデオ生成のための700のプロンプトの多種多様な包括的リストを作成することである。
そこで我々は、視覚的品質、コンテンツ品質、動作品質、テキスト・ビデオアライメントの観点から、慎重に設計されたベンチマークに基づいて、最先端のビデオ生成モデルを評価する。
論文 参考訳（メタデータ） (2023-10-17T17:50:46Z) - 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) - Performance Scaling via Optimal Transport: Enabling Data Selection from
Partially Revealed Sources [9.359395812292291]
本稿では,モデル性能を予測し,将来的なデータソースの部分的なサンプルに基づいたデータ選択決定を支援する or> というフレームワークを提案する。
or> 既存のパフォーマンススケーリングアプローチを大幅に改善し,性能予測の精度と,性能構築に伴う計算コストを両立させる。
また,他の市販ソリューションと比較して,データ選択効率の差は広い。
論文 参考訳（メタデータ） (2023-07-05T17:33:41Z) - 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) - Meta-Wrapper: Differentiable Wrapping Operator for User Interest
Selection in CTR Prediction [97.99938802797377]
クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。
近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。
そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2022-06-28T03:28:15Z) - 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) - Sequential Recommendation with Self-Attentive Multi-Adversarial Network [101.25533520688654]
逐次レコメンデーションにおける文脈情報の影響を明示的にモデル化するためのMFGAN(Multi-Factor Generative Adversarial Network)を提案する。
当社のフレームワークは,複数種類の因子情報を組み込むことが柔軟であり,各因子が推奨決定にどのように貢献するかを時間とともに追跡することができる。
論文 参考訳（メタデータ） (2020-05-21T12:28:59Z)
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。