损失函数、公理和同行评审
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
本文分析了 HodgeRank 估算器的两种随机抽样方法 —— 有替换和无替换的方法,并使用随机图理论中的工具来测量估算器的稳健性,提供了这两种随机图模型的 Fiedler 值的新估计,基于我们的发现,对于需要比较的项目较少的情况下,我们建议采用两阶段取样策略,并在第二阶段采用无替换的随机取样方法。而对于需要比较的项目较多的情况,则建议使用带替换的随机取样方法,此方法计算廉价且易于并行化。
Feb, 2015
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
研究社会选择方法在众包项目中的应用,利用位置评分规则计算备选方案的汇总排名,建立一个最优评分规则,该规则的结果应尽可能贴近我们了解的基本真实排名的一部分,通过真实数据和合成数据的实验验证理论发现的复杂性并得出正负结论。
Sep, 2016
该论文通过引入OWA机制,提出了一种有效解决双边匹配问题(一方的代理人/审稿人对另一方的对象/论文有偏好,双方都有容量的约束条件)的算法,并将其应用于资源分配等领域。
May, 2017
我们研究社会选择机制中的失真问题,提出了具有恒定样本复杂度和恒定失真度的社会选择机制Random Referee。我们证明了这种机制使用比较查询是必要的,通过正态指标证明了这种机制的失真最小,并介绍了一种只需要3个查询的机制Random Oligarchy。
Nov, 2018
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
本论文使用数学和博弈论的战略准确性导航开放式学术出版的审稿者奖励领域,提出一种替代奖励系统,以缓解偏见和促进更全面的评论,在深度强化学习模拟中展示了我们的系统比现有的更平衡和稳定。
May, 2023