抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
戦略的分類研究は,自己交差ユーザが,好ましい予測結果を得るために,それらの特徴を戦略的に修正できる設定で学習する。しかし,重要な作業仮定は,「好ましい」は常に「ポジティブ」を意味することである。これは,いくつかの応用(例えば,ローン承認)において適切であるかもしれないが,しかし,ユーザ興味が何であるかというかなり狭い見解に縮小する。本研究では,戦略的ユーザ行動を説明し,一般化戦略的分類の柔軟なモデルを提案して,研究するためのより広い展望を論じた。著者らの一般化モデルは,ほとんどの現在のモデルを包含するが,他の新しい設定を含む。これらの中で,ユーザとシステムの興味が整列している問題の1つの興味深いサブクラスを同定し,目標とする。この設定は驚くべき事実を明らかにした:標準max-マージン損失は戦略的入力に不適当である。完全に一般化されたモデルに戻るため,実用的で効果的な戦略的学習のための新しい最大マージンフレームワークを提案し,理論的に解析した。このアプローチの有用性を経験的に実証する一連の実験で結論を下した。【JST・京大機械翻訳】