文献

J-GLOBAL ID：202002281422883431   整理番号：20A1124023

群衆のためのスケーラブルBayes選好学習【JST・京大機械翻訳】

Scalable Bayesian preference learning for crowds

著者 (2件)： Simpson Edwin (Ubiquitous Knowledge Processing Lab, Department of Computer Science, Technische Universitaet Darmstadt, Darmstadt, Germany) ,  Gurevych Iryna (Ubiquitous Knowledge Processing Lab, Department of Computer Science, Technische Universitaet Darmstadt, Darmstadt, Germany)
資料名： Machine Learning  (Machine Learning)
巻： 109  号： 4  ページ： 689-718  発行年： 2020年 
JST資料番号： W2199A  ISSN： 0885-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 著者らは,個人の選好を同時に予測するための拡張可能なBayes選好学習法を提案し,ペアワイズラベルからの群衆のコンセンサスについても提案した。人々の意見はしばしば大きく異なり,少量の個人データから彼らの選好を予測することを困難にしている。個々のバイアスはまた,アイテム当たりのラベルが少ない場合には,群衆のコンセンサスを推論することを困難にする。雑音とスパースデータから生じる不確実性を説明するために,Bayes法を用いて,行列因子化をGauss過程と組み合わせることにより,これらの課題に取り組んだ。この方法は,テキスト埋め込みやユーザメタデータのような入力特徴を利用し,訓練集合ではない新しいアイテムやユーザに対する選好を予測する。Gauss過程に基づく以前の解は多数のユーザ,アイテムまたはペアワイズラベルにスケールしないので,計算とメモリコストを制限する確率的変分推論アプローチを提案した。提案手法は拡張可能な推論近似にもかかわらず,以前の手法と競合することを推奨タスクでの実験により示した。著者らは,数千人のユーザとアイテムによる自然言語処理タスクに関するこの方法のスケーラビリティを実証し,このタスクに関する最新の状態における改善を示した。このソフトウェアを将来の研究に利用できるようにした。Copyright The Author(s) 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  雑音 ,  *学習 ,  不確実性 ,  Gauss過程 ,  近似法 ,  自然言語処理 ,  ソフトウェア ,  バイアス ,  メタデータ
準シソーラス用語： 因子化 ,  Bayes法 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 選好 ,  学習