针对同行评议在科学、社会和商业领域的广泛应用,本研究提出了一种策略诚实、有效的同行选择机制,并通过模拟比较和随机取整技术解决了资源分配等相关问题。
Apr, 2016
本文研究评估者分配问题,旨在解决评估者保真行为与专业领域匹配性的矛盾,结合多项式时间算法进行实现,并通过会议同行评审数据集进行方法的评估。
Jan, 2022
研究对同行评审系统的评估方法进行了分析,通过实证风险最小化的方法,提出基于 L (p,q) 损失函数的聚合映射机制,解决了评估者对不同评估标准的不同权重问题,并探究了该方法中策略防御的问题以及提出了一种连续算法模型。
Nov, 2022
研究了会议同行评审中的三个挑战:评审人恶意加入给出正面评价的论文、评审人故意给不喜欢的论文打低分和评审人匿名解除。提出了一种对三个问题进行通用性整合的方法,并针对给定限制下的评审人分配问题提出了随机算法,成功限制了恶意评审人分配。
Jun, 2020
本文提出了一个框架来优化论文 - 审稿人分配,使用适宜性评分来测量论文和审稿人之间的成对亲和力,可以从提供的少量评分中推断出适宜性评分,将任务定义为整数规划问题,并提出了几种适用于论文和审稿人匹配问题的方案,探讨了学习和匹配相互作用的因素,对两个会议数据集进行了实验,测试了几种学习方法的性能以及匹配方法的有效性。
Feb, 2012
该研究考虑了会议同行评审中的论文自动分配问题,着重关注公平性和统计准确性。研究设计了一种基于最大流程序的分配算法,旨在最大化最不利论文的审查质量,并提出了一种新的主观评分模型,设计了一种新颖的实验方法来评估算法的质量。
Jun, 2018
在会议同行评审的背景下,我们提出了一种顺序审查机制来真实地获取作者的排名信息,该机制比以前的工作更具现实意义,提高了被接受论文的质量,减少了审查工作量并提高了被审查论文的平均质量。
Nov, 2023
本文研究了一种新颖的评审 - 文章匹配方法,该方法已被引入多个计算机科学领域的顶级会议,包括 AAAI,ICML,IJCAI 等,并通过对现实数据的广泛后期分析进行了评估,比较了其与 AAAI 2020 版本使用的匹配算法的不同之处。
Feb, 2022
自动识别同行评审者之间的矛盾的研究,介绍了一个新颖的任务,通过对评论对之间的矛盾进行检测,为此我们提出了一个基准模型,并公开了数据集和代码供进一步研究。
Oct, 2023
从论文投标中检测串通可以取得显著成功并保持隐藏,需要开发更复杂的检测算法利用额外的元数据。
Feb, 2024