文献

J-GLOBAL ID：202002260640775426   整理番号：20A1867379

データ相互作用ゲーム【JST・京大機械翻訳】

The Data Interaction Game

著者 (5件)： McCamish Ben (Oregon State University, Corvallis, OR, USA) ,  Ghadakchi Vahid (Oregon State University, Corvallis, OR, USA) ,  Termehchy Arash (Oregon State University, Corvallis, OR, USA) ,  Touri Behrouz (University of California San Diego, La Jolla, CA, USA) ,  Huang Liang (Oregon State University, Corvallis, OR, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： SIGMOD ’18  ページ： 83-98  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 多くのユーザは,データベースの構造と/またはコンテンツを正確に知らないので,それらのクエリは,それらの情報ニーズを正確に反映しない。データベース管理システム(DBMS)はユーザと相互作用し,ユーザの質問の背後にある情報ニーズを学習するために,リターン結果にフィードバックを利用する。現在の質問インタフェイスは,ユーザがそれらの情報ニーズを表現するための固定戦略に従うと仮定し,すなわち,ユーザが情報ニーズを表現するためにクエリを提出する尤度は,DBMSとのインタラクションの間,不変のままである。実世界インタラクション作業負荷を用いて,ユーザがDBMSとのそれらの相互作用中に,それらの情報ニーズを表現する方法を学習し,修正することを示した。また,ユーザの学習がよく知られた強化学習機構によって正確にモデル化されることを示した。現在のデータインタラクションシステムは,ユーザがそれらの戦略を修正しないと仮定するので,ユーザのクエリーの背後に情報ニーズを効果的に発見できない。ユーザとDBMSの間の相互作用を,質問の形で情報ニーズを表現するための共通言語を確立するという2つの合理的エージェントの間の同一の興味を持つゲームとしてモデル化した。質問の背後にある情報を学習し,回答する強化学習法を提案し,ユーザの戦略の変化に適応し,質問確率的に回答する質問の有効性を改善することを証明した。大規模関係データベース上でのこの方法の効率的な実装の課題を解析し,大規模関係データベース上でのこのアルゴリズムの2つの効率的な適応を提案した。実世界クエリ作業負荷と大規模関係データベースに関する著者らの広範な経験的研究は,著者らのアルゴリズムが効率的であることを示した。また,著者らの経験的結果は,提案学習機構が最先端のクエリ回答法よりも有効であることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *相互作用 ,  学習 ,  *ゲーム ,  言語 ,  データベース ,  情報需要 ,  データベース管理システム ,  関係データベース ,  エージェント ,  強化学習 ,  コンテンツ
準シソーラス用語： 尤度 ,  クエリー , 【Automatic Indexing@JST】

著者キーワード (4件)： 協調的相互作用 ,  データベース相互作用 ,  ゲーム理論 ,  強化学習

分類 (2件)： 人間機械系  (IB03000G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 相互作用 ,  ゲーム