Feb, 2020

神经嵌入式选择模型：使用 Flexibility 和 Interpretability 对 TasteNet-MNL 进行建模，以建模 Taste Heterogeneity

PDF
TL;DR本文介绍一种使用神经网络学习个体特征下的估价函数参数的离散选择模型。该模型可以生成可解释的行为指标参数，并且在瑞士公共交通数据集上表现良好。
发现论文，激发创造
  • 离散选择模型与广义可加性效用网络

    离散选择模型是一个强大的框架，用于分析决策行为，为决策者和企业提供有价值的洞察。GAUNet 是一种基于广义可加模型的神经网络结构的效用函数，用于离散选择模型。在东京的旅行调查数据上，我们的模型与 ASU-DNN 在准确性上相当，并且相对于以前的模型在解释性上有所改善。

    Sep, 2023

  • 基于神经网络的商品组合优化选择模型

    离散选择模型与神经网络相比，在预测客户购买概率方面表现得更具表现力、能够捕捉客户异质性和行为，但难以估计且无法捕捉客户行为的许多显著特征。本文首先研究了单个神经网络架构是否能够预测来自不同背景和模型假设下的购买概率。接下来，我们开发了一种适用于现成整数规划求解器的组合优化公式。在模拟和实际数据集上与各种基准离散选择模型进行了比较，同时通过一些训练技巧使神经网络预测及后续优化具备鲁棒性，并能与其他模型相媲美。

    Aug, 2023

  • 将领域知识融入深度神经网络中用于离散选择模型

    本文提出了一种框架，通过约束条件将领域知识和先验信念与机器学习相结合，以支持可解释的基于数据驱动的离散选择模型的开发，并通过案例研究展示了该框架的潜力。

    May, 2023

  • Transformer Choice Net: 选择预测的 Transformer 神经网络

    本文提出了一种适用于预测多个选择的 Transformer Choice Net 转换神经网络架构，在一系列基准数据集上，该架构相对于文献中的主流模型展现出了一致的优秀的预测性能，而不需要对每个实例进行定制建模或调整。

    Oct, 2023

  • 一种基于人工神经网络的经济一致的灵活效用规范的离散选择模型

    本文提出了一种基于人工神经网络 (ANNs) 的新的离散选择模型 ——“特定备选和共享权重神经网络（ASS-NN）”，它在灵活拟合数据的效用函数的同时，与选择理论和货币可替代性（即 “一欧元就是一欧元”）两个假设保持一致，从而实现了经济一致的结果，如边际效用或支付意愿，无需明确定义效用函数的形式。通过蒙特卡洛实验和来自 Swissmetro 数据集的实证数据，我们证明了 ASS-NN 在不同效用规范下的性能优于传统的多项式对数模型（MNL）。此外，我们展示了如何使用 ASS-NN 来计算边际效用和支付意愿的度量值。

    Apr, 2024

  • 用自注意力建模选择

    通过引入自注意力的神经网络结构，本研究提出了第一个成功利用现代神经网络概念的选择模型，理论和实践都证明了该模型相对于现有模型在实际数据上更具优势。

    Nov, 2023

  • 利用指针网络的深度选择模型预测航空行程

    本文介紹了一種基於 Pointer Networks 的新型選擇模型，並使用深度學習技術結合 Recurrent Neural Networks 和 Attention Mechanism 來學習給定多個選擇時如何選擇最可能被顧客選擇的路線。與傳統的 MNL 模型相比，實驗結果顯示該模型在多個指標上表現優異。

    Mar, 2018

  • 深度神经网络消元选择

    本文介绍了一种名为 Neural Choice by Elimination 的新框架，将深度神经网络集成到概率顺序选择模型中，用于学习排名。该框架集成了最近引入的 Neural Highway Networks 以近似任意复杂的排名函数，证明了本方法在大规模公共数据集上具有与最先进的学习排序方法相竞争的性能。

    Feb, 2016

  • 可解释的行列式选择模型用于子集选择

    该研究介绍了一个同时拥有随机实用模型和确定性点过程的特点的确定性选择模型，该模型可以从数据中学习到一系列负面依赖关系，提供了一些关于 LoRa 网络无线干扰的新见解，该模型在子集选择模型、随机实用模型和确定性点过程中产生了应用价值。

    Feb, 2023

  • 神经网络的效用概率对偶

    该研究通过提出基于需求的代替概率的解释来解释深度学习在语言生成任务中的成功，以较大程度上消除了这种学习方法中的悖论，并提出了一个新的公式，用于将学习到的效用值转换为一种新的概率估计，从而使概率兼容决策规则的性能得到大幅度提高，并揭示了现代神经网络所涉及的效用 - 概率二元性现象。

    May, 2023