論文の概要: Decision-Theoretic Stopping Rules for Document Screening

• arxiv url: http://arxiv.org/abs/2606.07071v1
• Date: Fri, 05 Jun 2026 09:09:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.660157
• Title: Decision-Theoretic Stopping Rules for Document Screening
• Title（参考訳）: 文書検定における決定論的停止規則
• Authors: Aaron H. A. Fletcher, Mark Stevenson,
• Abstract要約: 本稿では,検索結果のレビューをいつ中止するかという問題に対して,意思決定理論を適用した。 CLEF-IPおよび医療システムレビューデータセットの実験は、提案手法が一般的により適切な停止決定を生成することを示している。
• 参考スコア（独自算出の注目度）: 3.0194079121079205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deciding when to stop reviewing the results of a search is a common problem with multiple applications. Existing stopping rules developed within Technology-Assisted Review (TAR) aim to achieve a pre-specified recall target and do not take into account the reason for examining the results, potentially leading to sub-optimal recommendations. This paper applies decision theory to the problem and uses it to derive three practical stopping policies based on the Expected Value of Perfect Information. The approach is applied to two professional search tasks: patent examining and systematic reviewing. Experiments on CLEF-IP and medical systematic review datasets show that the proposed approach generally produces more appropriate stopping decisions than existing methods, as demonstrated by higher net utility under the evaluated cost and payoff settings.
• Abstract（参考訳）: 検索結果のレビューをやめるタイミングを決めることは、複数のアプリケーションでよくある問題である。 既存のTechnology-Assisted Review (TAR) で開発された停止規則は、事前に特定されたリコール目標を達成することを目的としており、結果を調べる理由を考慮せず、潜在的に準最適勧告につながる可能性がある。 本稿では,問題に意思決定理論を適用し,完全な情報の期待値に基づく3つの実践的停止ポリシーを導出する。 この手法は、特許審査と体系的レビューという2つの専門的な検索タスクに適用される。 CLEF-IPおよび医療システムレビューデータセットの実験により、提案手法は一般に既存の方法よりも適切な停止決定を導出することが示された。

関連論文リスト

• A Systematic Review of Conformal Inference Procedures for Treatment Effect Estimation: Methods and Challenges [0.0]
  治療効果推定のための共形予測手法について,系統的な検討を行った。 この領域で現在行われている最先端の手法を同定し記述する。
  論文  参考訳（メタデータ） (2025-09-25T22:31:14Z)
• A Principled Approach to Randomized Selection under Uncertainty: Applications to Peer Review and Grant Funding [61.86327960322782]
  本稿では,各項目の品質の間隔推定に基づくランダム化意思決定の枠組みを提案する。 最適化に基づく最適化手法であるMERITを導入する。 MERITが既存のアプローチで保証されていない望ましい公理特性を満たすことを証明している。
  論文  参考訳（メタデータ） (2025-06-23T19:59:30Z)
• The Hitchhiker's Guide to Efficient, End-to-End, and Tight DP Auditing [27.567287058254514]
  我々は,現場での作業のレビューを行うための総合的なフレームワークを導入し,DP監査が対象とする3つのコンテキスト横断デシラタを確立する。 我々は、脅威モデル、攻撃、評価機能を含む最先端のDP監査技術の運用モードを体系化する。
  論文  参考訳（メタデータ） (2025-06-20T00:32:59Z)
• Improve Rule Retrieval and Reasoning with Self-Induction and Relevance ReEstimate [11.890202757543307]
  本稿では,ルール検索の課題を体系的に解決する。 スパースや密集したレトリバーを用いて関連するルールを直接検索するバニラ検索法は、しばしば低い精度に悩まされる。 本稿では,Large Language Models (LLMs) を用いて潜在的な推論規則を導出する新しい手法であるSelf-Induction Augmented Retrieval (SIAR)を提案する。
  論文  参考訳（メタデータ） (2025-05-16T05:22:42Z)
• Optimal Baseline Corrections for Off-Policy Contextual Bandits [61.740094604552475]
  オンライン報酬指標の偏りのないオフライン推定を最適化する意思決定ポリシーを学習することを目指している。 学習シナリオにおける同値性に基づく単一のフレームワークを提案する。 我々のフレームワークは、分散最適非バイアス推定器の特徴付けを可能にし、それに対する閉形式解を提供する。
  論文  参考訳（メタデータ） (2024-05-09T12:52:22Z)
• Efficient Real-world Testing of Causal Decision Making via Bayesian Experimental Design for Contextual Optimisation [12.37745209793872]
  文脈的意思決定の評価と改善のためのデータ収集のためのモデルに依存しないフレームワークを提案する。 過去の治療課題の後悔をデータ効率で評価するために,本手法を用いた。
  論文  参考訳（メタデータ） (2022-07-12T01:20:11Z)
• Data-Driven Off-Policy Estimator Selection: An Application in User Marketing on An Online Content Delivery Service [11.986224119327387]
  医療、マーケティング、レコメンデーションシステムといった分野では、非政治的な評価が不可欠である。 理論的背景を持つ多くのOPE法が提案されている。 特定の用途や目的のために使用すると見積もる実践者にとって、しばしば不明である。
  論文  参考訳（メタデータ） (2021-09-17T15:53:53Z)
• Application-Driven Learning: A Closed-Loop Prediction and Optimization Approach Applied to Dynamic Reserves and Demand Forecasting [41.94295877935867]
  我々は、予測と意思決定のプロセスが統合され、協調最適化される新しいクローズドループフレームワークであるアプリケーション駆動学習を提案する。 提案手法は拡張性があり,標準のオープンループ手法よりも一貫して性能が向上することを示す。
  論文  参考訳（メタデータ） (2021-02-26T02:43:28Z)

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。