論文の概要: Stability of Ranking-dependent Pair-wise Comparison Patterns in the Analytic Hierarchy Process

• arxiv url: http://arxiv.org/abs/2608.05958v1
• Date: Thu, 06 Aug 2026 12:33:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.9009
• Title: Stability of Ranking-dependent Pair-wise Comparison Patterns in the Analytic Hierarchy Process
• Title（参考訳）: 階層解析過程におけるランキング依存ペアワイズ比較パターンの安定性
• Abstract要約: 本論文は、ランキングに依存した意思決定支援手法について述べる。 比較対象に関する通常の情報は、専門家データの品質向上に利用することができる。 研究は、不確実な環境での意思決定支援のアルゴリズム的、認知的、および適用的な側面に寄与する。
• 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 paper addresses several ranking-dependent decision support methods. Ordinal information on compared objects can be used to improve the quality of expert data during estimation and help reduce the number of comparisons that the experts need to perform. In the paper we compare three incomplete ranking-dependent pair-wise comparison patterns which can be used in the Analytic Hierarchy Process - Best-worst method, Best-Second Best (Top 2) method, and the original maximum difference method. The first two comparison patterns (and respective methods) are incomplete, while the third can be a complete one. We determine conditions under which these three methods can be compared in terms of stability to expert errors. We also present the results of a simulation-type experiment, in which the three methods are compared. The research allows us to define the most stable incomplete ranking-dependent pair-wise comparison pattern and reduce the number of comparisons without loss of credibility of expert session results. The research contributes to algorithmic, cognitive, and applied aspects of decision support in uncertain environments.
• Abstract（参考訳）: 本論文は、ランキングに依存した意思決定支援手法について述べる。 比較対象に関する通常の情報は、推定中の専門家データの品質を改善し、専門家が実行しなければならない比較の数を減らすのに役立つ。 本稿では,分析階層プロセス-ベストワースト法,ベストセカンド・ベスト(トップ2)法,オリジナル最大差分法で使用できる3つの不完全ランキング依存ペアワイド比較パターンを比較した。 最初の2つの比較パターン(およびそれぞれの方法)は不完全であり、3番目は完全である。 我々はこれらの3つの手法を専門家の誤りと安定性の観点から比較できる条件を決定する。 また,3つの手法を比較したシミュレーション型実験の結果を報告する。 本研究により、最も安定した不完全なランキング依存ペアワイド比較パターンを定義し、専門家のセッション結果の信頼性を失うことなく比較回数を減らすことができる。 この研究は、不確実な環境での意思決定支援のアルゴリズム的、認知的、および適用的な側面に寄与する。

関連論文リスト

• The Tournament Tree Method for preference elicitation in Multi-criteria decision-making [8.06855767139412]
  トーナメント・ツリー・メソッド(TTM)は、新しい評価フレームワークである。 提案手法は、設計による一貫性を確保し、認知的努力を最小限に抑え、嗜好モデリングの次元性を低下させる。 古典的なデック・オブ・カード法と互換性があり、間隔と比率のスケールを扱える。
  論文  参考訳（メタデータ） (2025-10-09T13:24:32Z)
• Are metaheuristics worth it? A computational comparison between nature-inspired and deterministic techniques on black-box optimization problems [0.0]
  本稿では,これらの各ブランチから選択した手法の広範な比較を行う。 その結果,目的関数評価が比較的安価である状況に対処する場合,本手法は決定論的手法よりも性能が著しく向上することがわかった。
  論文  参考訳（メタデータ） (2022-12-13T19:44:24Z)
• Decreasing Annotation Burden of Pairwise Comparisons with Human-in-the-Loop Sorting: Application in Medical Image Artifact Rating [3.5314411880556063]
  ペア比較によるランキングでは、順序分類よりも信頼性が向上している。 本稿では,定量的な測定値によってランク付けに必要なペアワイズ比較数を減少させる手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T04:02:45Z)
• Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
  ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。 本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。 提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
  論文  参考訳（メタデータ） (2021-10-08T13:51:55Z)
• FewNLU: Benchmarking State-of-the-Art Methods for Few-Shot Natural Language Understanding [89.92513889132825]
  本稿では,従来の評価手順を,テスト性能,開発-テスト相関,安定性の3つの重要な側面で改善する評価フレームワークを提案する。 評価フレームワークを実装したツールキットFewNLUと、最先端のメソッドをオープンソースとして公開しています。
  論文  参考訳（メタデータ） (2021-09-27T00:57:30Z)
• Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
  暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。 ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。 本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-11T03:38:16Z)
• Two-Sample Testing on Ranked Preference Data and the Role of Modeling Assumptions [57.77347280992548]
  本稿では,ペアワイズ比較データとランキングデータのための2サンプル試験を設計する。 私たちのテストでは、基本的に分布に関する仮定は必要ありません。 実世界のペアワイズ比較データに2サンプルテストを適用することで、人によって提供される評価とランキングは、実際は異なる分散である、と結論付ける。
  論文  参考訳（メタデータ） (2020-06-21T20:51:09Z)
• Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking Fairness and Algorithm Utility [54.179859639868646]
  Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。 学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。 本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-15T10:08:39Z)
• Beyond Worst-Case Analysis in Stochastic Approximation: Moment Estimation Improves Instance Complexity [58.70807593332932]
  近似問題に対する勾配に基づく手法のオラクル複雑性について検討する。 最悪のケースの複雑さではなく、インスタンス依存の複雑さに焦点を当てます。 提案アルゴリズムとその解析はモーメント推定の成功を理論的に正当化する。
  論文  参考訳（メタデータ） (2020-06-08T09:25:47Z)
• Active Sampling for Pairwise Comparisons via Approximate Message Passing and Information Gain Maximization [5.771869590520189]
  本稿では、近似メッセージパッシングと期待情報ゲインに基づくアクティブサンプリングアルゴリズムASAPを提案する。 既存の手法と比較して,ASAPは推定スコアの精度が最も高いことを示す。
  論文  参考訳（メタデータ） (2020-04-12T20:48:10Z)

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。