Jun, 2016

来自配对比较的主动排序及其在参数假设无法提供帮助时的应用

PDF
TL;DR文中提出了一种基于序列或主动排名的算法，该算法基于嘈杂的成对比较将一组 n 个项目排名并将这些项根据其得分分成预先指定大小的集合；本文针对这种算法进行了分析，证明了在某些情况下具有最优性并且不需要任何假设，比如在参数模型下进行的排名。
noisy pairwise comparisonssequential rankingconfidence intervalsparametric modelsstochastic comparisons
发现论文，激发创造
  • 基于配对比较的近似排名

    研究在机器学习中，基于两两比较对一组 n 个项目进行排名的问题，提出了一种基于置信区间的活跃排名算法，通过近似排序来减少比较次数。

    Jan, 2018

  • 简单、健壮且最优排名的配对比较

    本研究旨在通过成对比较的数据形式，使用 Copeland 计数算法实现对 n 个项目的排序，使其具有计算效率高，鲁棒性强，接近信息论极限等特点，并将结果扩展到汉明距离度量下的近似恢复问题和任意错误要求条件下的恢复问题。

    Dec, 2015

  • 简单有效的主动偏好学习方法：只需排序！

    通过使用自适应选择的成对比较来学习排名，我们的目标是准确地恢复排名但节省比较样本。对于使用快速排序算法等有效算法的所有比较结果一致的情况，最优解为使用有效排序算法。我们在 Bradley-Terry 模型下给出了 Quicksort 的优异保证，并通过实证证明了排序算法导致了非常简单有效的积极学习策略。

    Feb, 2015

  • 使用成对比较的主动排名

    使用少于 $n log_2 n$ 次的自适应选择的成对比较，该算法可特征一系列对象的排序，前提条件是该对象在 $d$ 维欧几里得空间中，其排名反映了相对于 $R^d$ 中的公共参考点的相对距离。

    Sep, 2011

  • 基于成对比较的估计：具有拓扑相关性的尖锐极小极值界限

    本文考虑使用参数有序模型处理成对比较数据，给出在该模型下最优误差的紧密上下界以及选择两两比较的指导方针，同时与基于基数的测量模型进行比较，结果表明在有序和基数设置下误差率具有相同的比例尺。

    May, 2015

  • 顺序对抗排序聚合：理论与算法

    通过对强有力的潜在对手进行在线攻击，从博弈论的视角提出了一种关于排名聚合方法的对抗性操纵解决方案，并展示了如何通过顺序操纵策略在具有完全知识或不完全知识的 attackers 下实现最优效果。

    Jul, 2024

  • 成对比较的随机传递模型：统计与计算问题

    本文研究了一种可灵活处理成对比较数据的模型，该模型只需要满足自然形式的随机可比性即可，相较于传统的参数模型更加通用，提供了各种重要的子类来提高计算可行性，该模型的矩阵概率也可以像标准参数模型那样进行估计。

    Oct, 2015

  • 基于成对比较的大规模协作排名偏好数据填充

    本文针对协作排名问题展开研究，通过基于凸优化的算法和 AltSVM 这种大规模非凸实现方式，实现从用户提供的两两偏好比较结果中预测他们对未曾见过物品的偏好，该算法展现出了在多个协作过滤数据集中 NDCG 和排名性能的许多中等规模基线的表现优势。

    Jul, 2015

  • 基于多任务表现的专家活跃排名

    针对评估专家在多项任务上表现的问题，提出了一种策略，使得能够通过接收含噪声的反馈信息，实现对专家排名的正确恢复，并且该策略适应问题的复杂程度，并提供了与理论结果一致的数值模拟。

    Jun, 2023

  • 主动偏好学习用于样本内外排序项目

    学习基于有噪声的配对比较的项目顺序，在无法分配具体标签的情况下很有用，尤其是在标注者必须进行主观评估的情况下。本研究在具有上下文属性的有序项目中研究了配对偏好反馈的主动学习，提出了两种算法来贪婪地最小化排序错误，证明了这些算法相对于非上下文排名方法和主动偏好学习基线具有更好的样本效率。

    May, 2024