文献

J-GLOBAL ID：201802222437043496   整理番号：18A1806952

m-WISE比較からのトップ-kランク集約【JST・京大機械翻訳】

Top-$K$ Rank Aggregation From $M$-Wise Comparisons

著者 (3件)： Jang Minje (School of Electrical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, South Korea) ,  Kim Sunghyun (Electronics and Telecommunications Research Institute, Daejeon, South Korea) ,  Suh Changho (School of Electrical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, South Korea)
資料名： IEEE Journal of Selected Topics in Signal Processing  (IEEE Journal of Selected Topics in Signal Processing)
巻： 12  号： 5  ページ： 989-1004  発行年： 2018年 
JST資料番号： W1889A  ISSN： 1932-4553  CODEN： IJSTGY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 1つの目的は,nアイテムの大規模収集の間のトップKのみを同定することを目的とし,各データサンプルにおけるMアイテムの集合が個々の選好の順序でランク付けされるM-wise比較データを提供した。発生する自然の疑問は以下の通りである。1)トップKランク集約タスクを確実に達成できる。そして,2)多くのM-wiseサンプルがそれを達成する必要がある。本論文では,これら2つの質問に答えた。まず第一に,M-wiseサンプルを対のものに効果的に変換するアルゴリズムを考案し,洗練されたデータを用いてスペクトル法を採用する。第二に,確立された統計モデルであるPlackett-Luce(PL)モデルを考察し,信頼できるトップ-Kランキングに必要な最小数のM-wiseサンプル(すなわちサンプル複雑性)を特性化した。これはMに逆比例することが分かった。それを特性化するために,著者らはサンプル複雑性に関する下限を引き出して,著者らのアルゴリズムが限界を達成することを証明した。さらに,広範な数値実験を行い,このアルゴリズムがPLモデルの下で基本的限界を達成するだけでなく,モデルに正確に適合しない種々の応用に対してロバストなランキング性能を提供することを実証した。合成データセットを用いて理論的結果を確証し,サンプルの複雑さが1/Mの速度で減少することを確認した。また,実際にこのアルゴリズムの適用性を検証し,それが様々な実世界データセット上で良く機能することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 適応性 ,  統計模型 ,  アルゴリズム ,  キャラクタリゼーション ,  *集中化 ,  等級づけ ,  ロバスト性
準シソーラス用語： 数値実験 ,  複雑性 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  信号理論  (ND02020G)

タイトルに関連する用語 (2件)： トップ ,  集約