Fugu-MT 論文翻訳(概要): Minimum Weighted Feedback Arc Sets for Ranking from Pairwise Comparisons

論文の概要: Minimum Weighted Feedback Arc Sets for Ranking from Pairwise Comparisons

arxiv url: http://arxiv.org/abs/2412.16181v1
Date: Tue, 10 Dec 2024 16:51:11 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-29 08:29:34.518041
Title: Minimum Weighted Feedback Arc Sets for Ranking from Pairwise Comparisons
Title（参考訳）: ペアワイズ比較による最小重み付きフィードバックアークセットのランク付け
Authors: Soroush Vahidi, Ioannis Koutis,
Abstract要約: 最近の研究は、学習に基づく手法を用いてランク付け問題の最先端を推し進めている。本稿では,MWFASを解くための効率的なアルゴリズムを提案し,ランキング問題に対処する。実験の結果,これらの単純で学習不要なアルゴリズムは,学習に基づく手法を高速化するだけでなく,より優れたランキング精度が得られることがわかった。
参考スコア（独自算出の注目度）: 1.5653612447564105
License:
Abstract: The Minimum Weighted Feedback Arc Set (MWFAS) problem is fundamentally connected to the Ranking Problem -- the task of deriving global rankings from pairwise comparisons. Recent work [He et al. ICML2022] has advanced the state-of-the-art for the Ranking Problem using learning-based methods, improving upon multiple previous approaches. However, the connection to MWFAS remains underexplored. This paper investigates this relationship and presents efficient combinatorial algorithms for solving MWFAS, thus addressing the Ranking Problem. Our experimental results demonstrate that these simple, learning-free algorithms not only significantly outperform learning-based methods in terms of speed but also generally achieve superior ranking accuracy.
Abstract（参考訳）: MWFAS(Minimum Weighted Feedback Arc Set)問題(MWFAS)は、ペア比較からグローバルランキングを導出する作業であるランキング問題と根本的に関係している。近年の[He et al ICML2022] では,学習に基づく手法によるランク付け問題の最先端化と,過去の複数のアプローチの改善がなされている。しかし、MWFASとのつながりは未解明のままである。本稿では,この関係を考察し,MWFASを解くための効率的な組合せアルゴリズムを提案し,ランキング問題に対処する。実験の結果,これらの単純で学習不要なアルゴリズムは,学習に基づく手法を高速化するだけでなく,より優れたランキング精度が得られることがわかった。

関連論文リスト

TSPRank: Bridging Pairwise and Listwise Methods with a Bilinear Travelling Salesman Model [19.7255072094322]
トラベリングセールスマン問題ランキング (TSPRank) は、ハイブリッド・ペア・リストワイズ・ランキング法である。 TSPRankの堅牢性と、異なるドメインにわたる優れたパフォーマンスは、汎用的で効果的なLETORソリューションとしての可能性を強調している。
論文参考訳（メタデータ） (2024-11-18T21:10:14Z)
Efficient Pointwise-Pairwise Learning-to-Rank for News Recommendation [6.979979613916754]
ニュースレコメンデーションは、各ユーザのインタラクション履歴と好みに基づいてパーソナライズを行う、困難なタスクである。最近の研究は、事前学習された言語モデル(PLM)の力を利用して、ニュース項目を直接ランク付けする手法を用いて、ポイントワイド、ペアワイド、リストワイドの3つのカテゴリに分類している。本稿では,PLMに基づくニュースレコメンデーションのための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2024-09-26T10:27:19Z)
Evaluating Ensemble Methods for News Recommender Systems [50.90330146667386]
本稿では,Microsoft News データセット (MIND) において,様々な最先端アルゴリズムを組み合わさって優れた結果を得るために,アンサンブル手法をどのように利用できるかを示す。その結果,NRSアルゴリズムの組み合わせは,基礎学習者が十分に多様であることから,個々のアルゴリズムよりも優れていることがわかった。
論文参考訳（メタデータ） (2024-06-23T13:40:50Z)
Federated Compositional Deep AUC Maximization [58.25078060952361]
本研究では,曲線(AUC)のスコアを直接最適化することにより,不均衡なデータに対する新しいフェデレート学習法を開発した。私たちの知る限りでは、このような好ましい理論的な結果を達成した最初の作品である。
論文参考訳（メタデータ） (2023-04-20T05:49:41Z)
HARRIS: Hybrid Ranking and Regression Forests for Algorithm Selection [75.84584400866254]
両アプローチの強みを両アプローチの弱さを緩和しつつ組み合わせ, 特殊林を利用した新しいアルゴリズムセレクタを提案する。 HARRISの決定は、ハイブリッドランキングと回帰損失関数に基づいて最適化された木を作成する森林モデルに基づいている。
論文参考訳（メタデータ） (2022-10-31T14:06:11Z)
Federated Learning via Inexact ADMM [46.99210047518554]
本稿では,乗算器の不正確な交互方向法(ADMM)を提案する。どちらも通信効率が高く、ストラグラー効果と戦うことができ、穏やかな条件下で収束する。フェデレート学習のためのいくつかの最先端アルゴリズムと比較して高い数値性能を持つ。
論文参考訳（メタデータ） (2022-04-22T09:55:33Z)
Heuristic Search for Rank Aggregation with Application to Label Ranking [16.275063634853584]
本稿では,階層化問題を解くために,効果的なハイブリッド進化的ランキングアルゴリズムを提案する。このアルゴリズムは、コンコーダントペアに基づくセマンティッククロスオーバーと、効率的な漸進的評価手法によって強化された遅延受容局所探索を特徴とする。アルゴリズムを評価するために実験が行われ、ベンチマークインスタンス上での高い競争性能を示す。
論文参考訳（メタデータ） (2022-01-11T11:43:17Z)
Learning with Multiclass AUC: Theory and Algorithms [141.63211412386283]
ROC曲線 (AUC) の下の領域は、不均衡学習やレコメンダシステムといった問題に対するよく知られたランキング基準である。本稿では,マルチクラスAUCメトリクスを最適化することで,多クラススコアリング関数を学習する問題について検討する。
論文参考訳（メタデータ） (2021-07-28T05:18:10Z)
SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation [81.03485688525133]
Single-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation (SIMPLE) を提案する。具体的には、トレーニングプロセスにおいて、SIMPLEが高性能なトップダウンパイプラインからのポーズ知識を模倣できるようにする。さらに、SIMPLEは人間検出とポーズ推定を統一的なポイントラーニングフレームワークとして定式化し、単一ネットワークで相互に補完する。
論文参考訳（メタデータ） (2021-04-06T13:12:51Z)
Optimal Full Ranking from Pairwise Comparisons [16.852801934478475]
ランキングの最小最大レートは、問題の信号対雑音比の大きさに応じて指数レートと率の間の遷移を示す。ミニマックスレートを達成するために,まず,n$ プレーヤーを類似したスキルのグループに分割し,次に各グループ内のローカル mle を計算する分割・コンクエストランキングアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-21T03:34:44Z)
AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
論文参考訳（メタデータ） (2020-08-17T13:22:01Z)

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。