論文の概要: Computing Voting Rules with Improvement Feedback
- arxiv url: http://arxiv.org/abs/2502.12542v1
- Date: Tue, 18 Feb 2025 05:05:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-19 14:06:09.563270
- Title: Computing Voting Rules with Improvement Feedback
- Title（参考訳）: 改善されたフィードバックによる投票ルールの計算
- Authors: Evi Micha, Vasilis Varsamis,
- Abstract要約: 不完全あるいは制約されたフィードバックの下での嗜好の集約は、社会的選択と関連する領域における根本的な問題である。
改良フィードバックから得られる位置スコアリングルールの完全な特徴付けを提供する。
改善フィードバックは、ペアのフィードバックとは違って、コンドルセット一貫性のあるルールの計算に十分でないことを示す。
- 参考スコア（独自算出の注目度）: 9.399840807973545
- License:
- Abstract: Aggregating preferences under incomplete or constrained feedback is a fundamental problem in social choice and related domains. While prior work has established strong impossibility results for pairwise comparisons, this paper extends the inquiry to improvement feedback, where voters express incremental adjustments rather than complete preferences. We provide a complete characterization of the positional scoring rules that can be computed given improvement feedback. Interestingly, while plurality is learnable under improvement feedback--unlike with pairwise feedback--strong impossibility results persist for many other positional scoring rules. Furthermore, we show that improvement feedback, unlike pairwise feedback, does not suffice for the computation of any Condorcet-consistent rule. We complement our theoretical findings with experimental results, providing further insights into the practical implications of improvement feedback for preference aggregation.
- Abstract（参考訳）: 不完全あるいは制約されたフィードバックの下での嗜好の集約は、社会的選択と関連する領域における根本的な問題である。
先行研究は、ペア比較において強い不合理性を持つ結果を確立してきたが、本研究では、完全な選好ではなく、漸進的な調整を有権者が表現するフィードバック改善のための調査を拡張した。
改良フィードバックから得られる位置スコアリングルールの完全な特徴付けを提供する。
興味深いことに、複数は、ペアのフィードバックとは違って、改善フィードバックの下で学習可能である一方で、他の多くのポジションスコアリングルールでは、強い不合理性の結果が持続する。
さらに、改善フィードバックはペアのフィードバックとは違って、コンドルセット一貫性のあるルールの計算に十分でないことを示す。
我々は,理論的な結果と実験結果とを補完し,嗜好集約のための改善フィードバックの実践的意義についてさらなる知見を提供する。
関連論文リスト
- Beyond Thumbs Up/Down: Untangling Challenges of Fine-Grained Feedback for Text-to-Image Generation [67.88747330066049]
きめ細かいフィードバックは、画像の品質と迅速な調整におけるニュアンスドの区別を捉えます。
粗いフィードバックに対する優位性を示すことは、自動ではないことを示す。
きめ細かいフィードバックを抽出し活用する上で重要な課題を特定します。
論文 参考訳（メタデータ） (2024-06-24T17:19:34Z) - RLVF: Learning from Verbal Feedback without Overgeneralization [94.19501420241188]
本稿では,このような過度な一般化を伴わずに,言語フィードバックを取り入れることの課題について検討する。
制約付き選好最適化(C3PO)を用いた新しい文脈的批評手法を開発した。
提案手法は,他の文脈に対する既存行動を維持しながら,関連するシナリオに対して効果的な言語フィードバックを適用する。
論文 参考訳（メタデータ） (2024-02-16T18:50:24Z) - Exploiting Correlated Auxiliary Feedback in Parameterized Bandits [56.84649080789685]
そこで本研究では,学習者が追加の補助的フィードバックを観察できるパラメータ化帯域問題の新たな変種について検討する。
補助的なフィードバックは、ユーザのサービス評価(リワード)を観察し、サービス提供時間(補助的なフィードバック)などの追加情報を収集するオンラインプラットフォームなど、多くの現実的なアプリケーションで容易に利用可能である。
論文 参考訳（メタデータ） (2023-11-05T17:27:06Z) - Breaking Feedback Loops in Recommender Systems with Causal Inference [99.22185950608838]
近年の研究では、フィードバックループが推奨品質を損なう可能性があり、ユーザの振る舞いを均質化している。
本稿では、因果推論を用いてフィードバックループを確実に破壊するアルゴリズムCAFLを提案する。
従来の補正手法と比較して,CAFLは推奨品質を向上することを示す。
論文 参考訳（メタデータ） (2022-07-04T17:58:39Z) - LoL: A Comparative Regularization Loss over Query Reformulation Losses
for Pseudo-Relevance Feedback [70.44530794897861]
Pseudo-Relevance feedback (PRF) は、検索精度を向上させるための効果的なクエリ修正手法であることが証明されている。
既存のPRF手法は、同じクエリから派生した修正クエリを個別に扱うが、異なる数のフィードバックドキュメントを使用する。
そこで我々はLos-over-Loss(LoL)フレームワークを提案する。
論文 参考訳（メタデータ） (2022-04-25T10:42:50Z) - How Useful are Reviews for Recommendation? A Critical Review and
Potential Improvements [8.471274313213092]
本稿では,レビューテキストを用いてレコメンデーションシステムの改善を目指す,新たな作業体系について検討する。
実験条件やデータ前処理に変化はあるものの, 論文間で結果がコピーされていることから, 報告結果にいくつかの相違点がみられた。
さらなる調査では、リコメンデーションのためのユーザレビューの"重要"に関して、はるかに大きな問題に関する議論が求められている。
論文 参考訳（メタデータ） (2020-05-25T16:30:05Z) - Reinforcement Learning with Feedback Graphs [69.1524391595912]
エージェントがステップ毎に追加のフィードバックを受けた場合,決定過程におけるエピソード強化学習について検討する。
状態-作用対上のフィードバックグラフを用いてこの設定を定式化し、モデルベースのアルゴリズムが追加のフィードバックを利用してよりサンプル効率のよい学習を行うことを示す。
論文 参考訳（メタデータ） (2020-05-07T22:35:37Z)
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。