論文の概要: Learning a Ranking from Human Feedback in Log-Concave Random Utility Models

• arxiv url: http://arxiv.org/abs/2610.07973v1
• Date: Tue, 06 Oct 2026 08:41:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.901027
• Title: Learning a Ranking from Human Feedback in Log-Concave Random Utility Models
• Title（参考訳）: ログ型ランダムユーティリティモデルにおける人間のフィードバックからランク付けを学習する
• Abstract要約: 固定されたアイテムのランク付けを未知の数値ユーティリティーに基づいて回収する問題について検討する。 フルランクのフィードバックでは、各インタラクションはすべての項目のノイズの多いランキングを示すが、勝者のみのフィードバックでは、最初にランク付けされた項目のみを示す。
• 参考スコア（独自算出の注目度）: 36.33063037234815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of recovering the ranking of a fixed set of items according to their unknown numerical utilities. At each interaction with the environment, a learner presents the item set to a human and receives comparative feedback of two types. Under full-ranking feedback, each interaction reveals a noisy ranking of all items, whereas under winner-only feedback, it reveals only the item ranked first. In both settings, we model human feedback using a random utility model with log-concave noise and study the number of observations needed to recover an $ε$-accurate ranking with high probability. This novel criterion tolerates ordering errors only between items whose utilities differ by less than $ε$. For both feedback types, we establish worst-case sample-complexity lower bounds and develop algorithms that match these bounds up to logarithmic factors. Neither algorithm requires knowledge of the noise distribution, while only requiring an upper bound on its variance. Our results show that the ranking problem under winner-only feedback is intrinsically harder by exposing the sample complexity dependence on the minimum winning probability across the item set.
• Abstract（参考訳）: 固定されたアイテムのランク付けを未知の数値ユーティリティーに基づいて回収する問題について検討する。 環境とのインタラクション毎に、学習者は、設定されたアイテムを人間に提示し、2種類の比較フィードバックを受け取る。 フルランクのフィードバックでは、各インタラクションはすべての項目のノイズの多いランキングを示すが、勝者のみのフィードバックでは、最初にランク付けされた項目のみを示す。 いずれの設定においても,ログコンケーブ雑音を伴うランダムなユーティリティモデルを用いて人間のフィードバックをモデル化し,ε$-精度の高いランキングを高い確率で再現するために必要な観測回数について検討する。 この新しい基準は、ユーティリティが$ε$未満のアイテム間でのみ注文エラーを許容する。 両方のフィードバックタイプに対して、最悪のサンプル複雑度の下限を確立し、これらの境界を対数的要因にマッチさせるアルゴリズムを開発する。 どちらのアルゴリズムもノイズ分布の知識は必要とせず、その分散の上限だけは必要としない。 本結果より, 入賞者のみのフィードバック下でのランキング問題は, アイテム集合全体の最小当選確率に対するサンプルの複雑性依存性を明らかにすることで, 本質的に困難であることが示唆された。

関連論文リスト

• Online Set Learning from Precision and Recall Feedback [60.00180898830079]
  オンライン設定でドメインの未知のサブセットである$N_texttarget$を学習する問題を考察する。 この単純なオンラインセット学習問題は、精度とリコール型のフィードバックで様々な学習シナリオを抽象化する。 この設定で仮説クラスが学習可能であることを示し、それが有限のヴァプニク・チェルヴォネンキス次元を持つ場合に限る。
  論文  参考訳（メタデータ） (2026-05-10T14:28:05Z)
• Active Preference Learning for Ordering Items In- and Out-of-sample [7.0774164818430565]
  アイテムペアを積極的にサンプリングすることで、正確な順序付けを学ぶのに必要なアノテーションの数を減らすことができる。 多くのアルゴリズムはアイテム間の共有構造を無視している。 また、比較におけるノイズがアイテムペア間でどのように変化するかは無視することが一般的である。
  論文  参考訳（メタデータ） (2024-05-05T21:44:03Z)
• Learning to Select and Rank from Choice-Based Feedback: A Simple Nested Approach [10.293894471295205]
  本研究では、動的アソートによる選択に基づくフィードバックから学習する際のランク付けと選択の問題について検討する。 両学習目標に対して,新しい,シンプルなアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-07-13T05:05:30Z)
• Crowdsourcing subjective annotations using pairwise comparisons reduces bias and error compared to the majority-vote method [0.0]
  本稿では,ランダムな誤差と測定バイアスが,主観的構成物のクラウドソースアノテーションにどのように入るかを理解するための理論的枠組みを提案する。 次に、Eloスコアとペア比較ラベリングを組み合わせたパイプラインを提案し、両種類の測定誤差を低減するために、ユビキタスな多数投票法より優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-31T17:14:12Z)
• One for All: Simultaneous Metric and Preference Learning over Multiple Users [17.083305162005136]
  回答者の群集からの同時選好とメートル法学習について検討した。 我々のモデルは、群衆のアイテム類似性の一般的な尺度を特徴付ける距離メートル法を共同で学習する。 我々は、シミュレーションデータと色嗜好判定のデータセットの両方で、モデルの性能を実証する。
  論文  参考訳（メタデータ） (2022-07-07T22:47:13Z)
• 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)
• Set2setRank: Collaborative Set to Set Ranking for Implicit Feedback based Recommendation [59.183016033308014]
  本稿では,暗黙的フィードバックの特徴を探究し,推奨するSet2setRankフレームワークを提案する。 提案するフレームワークはモデルに依存しず,ほとんどの推奨手法に容易に適用できる。
  論文  参考訳（メタデータ） (2021-05-16T08:06:22Z)
• SetRank: A Setwise Bayesian Approach for Collaborative Ranking from Implicit Feedback [50.13745601531148]
  提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。 具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。 また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
  論文  参考訳（メタデータ） (2020-02-23T06:40:48Z)
• The Simulator: Understanding Adaptive Sampling in the Moderate-Confidence Regime [52.38455827779212]
  エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。 適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。 我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
  論文  参考訳（メタデータ） (2017-02-16T23:42:02Z)

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。