論文の概要: Proportionality in Ranking Compression

• arxiv url: http://arxiv.org/abs/2610.23193v1
• Date: Fri, 16 Oct 2026 09:30:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.853894
• Title: Proportionality in Ranking Compression
• Title（参考訳）: ランク付け圧縮における比例性
• Abstract要約: 与えられたランキングのコレクションを、より小さなランキングのコレクションに圧縮する必要がある設定について検討する。 これはまた、ランキングアグリゲーションとマルチウィンナー投票という2つの基本的な社会的選択フレームワークの組み合わせと見なすこともできる。 この設定で異なる種類の表現をキャプチャする3つの比例の概念を提案する。
• 参考スコア（独自算出の注目度）: 40.268174660918696
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motivated by applications in reinforcement learning from human feedback, we consider a setting where a given collection of rankings needs to be compressed into a smaller collection of rankings. This can also be seen as a combination of two fundamental social choice frameworks: ranking aggregation and multiwinner voting. We propose three proportionality notions that capture different types of representation in this setting: positional proportionality, pairwise proportionality, and proportionality for solid coalitions (PSC). On the one hand, we show that positional proportionality and PSC are always satisfiable for any input rankings and target compression size, and a desired output can be found in polynomial time. On the other hand, we prove that pairwise proportionality cannot be satisfied in general, but can nevertheless be attained when the input rankings are single-peaked or single-crossing.
• Abstract（参考訳）: 人間のフィードバックから強化学習を応用することで、与えられたランクの集合をより小さなランクの集合に圧縮する必要がある状況を考える。 これはまた、ランキングアグリゲーションとマルチウィンナー投票という2つの基本的な社会的選択フレームワークの組み合わせと見なすこともできる。 この設定では, 位置比例性, 対比例性, ソリッド連立(PSC)の比例性という, 異なる種類の表現を捉える3つの比例性の概念を提案する。 一方、位置比例性とPSCは任意の入力ランクと目標圧縮サイズに常に適合し、所望の出力は多項式時間で見つけることができる。 一方、一対比例性は一般には満足できないが、入力ランクが一対または一対交の場合に達成できることを示す。

関連論文リスト

• ORPG: Reconciling Multiple Reward Objectives through Objective-wise Policy Gradients [52.516765672263574]
  マルチリワードポリシー最適化には、学習信号と目的間の意図した関係の両方を反映した共同アップデートが必要である。 我々は、報酬ごとに個別にクリッピングされたポリシー目標を構築し、その結果の勾配を1つのポリシー更新に調整するORPG(Objective-wise Reconciled Policy Gradient)を導入する。
  論文  参考訳（メタデータ） (2026-09-28T11:58:21Z)
• Bridging Network Psychometrics and Artificial Intelligence: An Ising-Potts Model with LLM-Derived Weights [0.40611352512781873]
  レーティングとカテゴリーラベルの合意指標を用いたラターイジングポッツモデルを提案する。 我々は,K=14,466の短い回答を3段階のルーブリックと2つのAERAエッセイのコーパスに散らばった3つの構成応答データセットについて,約1,200-1,400の応答を4点のルーブリックに提案した。
  論文  参考訳（メタデータ） (2026-09-08T14:26:19Z)
• The Price of Proportional Representation in Temporal Voting [11.208733293527795]
  本研究では時間的投票モデルにおける比例表現について検討する。 時間的設定における比例代表の付与は、有権者数やラウンド数が増えるにつれて、成長するが、サブリニアな、福祉損失を引き起こす可能性があることを示す。
  論文  参考訳（メタデータ） (2026-05-11T19:05:30Z)
• Proportional Fairness in Clustering: A Social Choice Perspective [14.226371312639145]
  我々はChenらによる比例クラスタリング問題(ICML'19)について検討し、計算社会選択におけるマルチウィンナー投票の分野と関連づける。 比例フェアネスに対する近似は、個人フェアネスに対する近似であり、その逆でもあることを示す。
  論文  参考訳（メタデータ） (2023-10-27T14:12:56Z)
• Rethinking Counting and Localization in Crowds:A Purely Point-Based Framework [59.578339075658995]
  そこで本稿では,共同クラウドカウントと個別ローカライゼーションのための純粋にポイントベースのフレームワークを提案する。 我々は、P2PNet(Point to Point Network)と呼ばれる、このフレームワークの下で直感的なソリューションを設計する。
  論文  参考訳（メタデータ） (2021-07-27T11:41:50Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Achieving Proportionality up to the Maximin Item with Indivisible Goods [14.002498730240902]
  我々は、分割不可能な商品をかなり配置する問題を研究し、古典的公平性の概念である比例性に焦点をあてる。 最近の研究で、比例性(PROPx)の近似バージョンでさえ、小さなインスタンスでも達成できないことが証明されている。 最大5つのエージェントが付加価値を持つ場合において、この概念を満たすアロケーションにどのように到達するかを示す。
  論文  参考訳（メタデータ） (2020-09-20T19:21:19Z)
• Pose-guided Visible Part Matching for Occluded Person ReID [80.81748252960843]
  本稿では、ポーズ誘導による特徴の識別を共同で学習し、その部分の可視性を自己判断する Pose-Guided Visible Part Matching (PVPM) 法を提案する。 実験結果から,提案手法は最先端手法と競合する性能を示した。
  論文  参考訳（メタデータ） (2020-04-01T04:36:51Z)
• 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)

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。