文献

J-GLOBAL ID：202202266134933909   整理番号：22A0464940

エンドユーザ選好による予測モデル【JST・京大機械翻訳】

Predictive models with end user preference

著者 (9件)： Zhao Yifan (Department of Computer Science, North Carolina State University, Raleigh, North Carolina, USA) ,  Yang Xian (Department of Computer Science, North Carolina State University, Raleigh, North Carolina, USA) ,  Bolnykh Carolina (Department of Computer Science, North Carolina State University, Raleigh, North Carolina, USA) ,  Harenberg Steve (SAS Institute, Cary, North Carolina, USA) ,  Korchiev Nodirbek (Department of Computer Science, North Carolina State University, Raleigh, North Carolina, USA) ,  Yerramsetty Saavan Raj (Elon University, Elon, North Carolina, USA) ,  Vellanki Bhanu Prasad (eWorld Enterprise Solutions, Honolulu, Hawaii, USA) ,  Kodumagulla Ramakanth (Convexio Inc, Cary, North Carolina, USA) ,  Samatova Nagiza F. (Department of Computer Science, North Carolina State University, Raleigh, North Carolina, USA)
資料名： Statistical Analysis and Data Mining  (Statistical Analysis and Data Mining)
巻： 15  号： 1  ページ： 69-82  発行年： 2022年 
JST資料番号： W2749A  ISSN： 1932-1864  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： 古典的機械学習モデルは,通常,データの最も識別的な特徴に基づくモデルの最適化を試みる。しかし,それらは通常,エンドユーザ選好を考慮していない。あるアプリケーションでは,ユーザ選好を意識しないモデルは,コストがかかり,不信なか,あるいはプライバシー侵入が利用され,従って,無関係かつ/または解釈不能になるので,重大な問題である。理想的に,ドメイン知識を有するエンドユーザは,予測モデルが次に考慮できる好ましい特徴を提案することができた。本論文では,ランク選好を組み入れるために,モデル目的関数における多基準選好と正則化項を表現するために,相対的ランキングシステムを介してエンドユーザ選好を尊重する一般的モデリング法を提案した。より一般的な展望では,この方法は,完全に新しいものを生成することなく,既存の予測モデルにユーザ選好をプラグできる。決定木の文脈においてこの方法を実装し,望ましくない特徴の使用を低減する一方で,同等の分類精度を達成できる。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  学習モデル ,  プライバシー ,  プラグ ,  ディシジョンツリー ,  応用プログラム ,  子供 ,  目的関数 ,  等級づけ ,  正則化 ,  *予測モデル ,  ドメイン知識
準シソーラス用語： *エンドユーザ ,  分類精度 ,  多基準 , 【Automatic Indexing@JST】

著者キーワード (6件)： 小児支援 ,  決定木 ,  予測モデル ,  正則化 ,  相対的ランキング ,  ユーザ選好

分類 (2件)： 人工知能  (JE08000Z) ,  応用心理学  (AE02000A)

タイトルに関連する用語 (3件)： エンドユーザ ,  選好 ,  予測モデル