部分ラベルランキング問題のための混合ベース確率的グラフィカルモデル【JST・京大機械翻訳】

Alfaro Juan C.; Alfaro Juan C.; Aledo Juan A.; Aledo Juan A.; Gamez Jose A.; Gamez Jose A.

文献

J-GLOBAL ID：202202277169172851 整理番号：22A0027658

部分ラベルランキング問題のための混合ベース確率的グラフィカルモデル【JST・京大機械翻訳】

Mixture-Based Probabilistic Graphical Models for the Partial Label Ranking Problem

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0027658&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0027658&from=J-GLOBAL&jstjournalNo=H0078D") }}

著者 (6件)： , , , , ,
資料名：
巻： 13113 ページ： 277-288 発行年： 2022年
JST資料番号： H0078D ISSN： 0302-9743 資料種別：会議録 (C)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

ラベルランキング問題は,クラスラベルのランキングでラベル付けされた訓練データセットからの学習選好モデルで構成され,目標は与えられたラベルなしインスタンスに対するランキングを予測することである。本研究では,訓練データセットと出力として与えられた予測の両者が,部分的ラベルランキング問題として知られている,タイドラベル(すなわち,それらの間に特別な優先性がない)を可能にする特定のケースに焦点を当てた。特に,この問題を解決する確率的グラフィカルモデルを提案した。知っている限りでは,確率分布がないので,クラスラベル(多項分布)のペア間の優先順位関係(先行,フープ,および成功)を表現するために,ランキングを離散変数に変換する。この提案では,異なる変数(予測とターゲット)間の相互作用を収集するための根としてNaive Bayes構造と隠れ変数を持つBayesネットワークを用いた。推論は次の通りである。最初に,著者らは,クラスラベルの各ペアに対する事後確率を得て,次に,これらの確率を,対応するランク集合問題を解決するために使用する対次数行列に入力した。実験評価は,著者らの提案が最先端のインスタンスベース部分ラベルランキング(最近傍パラダイム)と部分ラベルランキングツリー(ディシジョンツリー誘導)アルゴリズムによる競合(精度)であることを示した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , ,
, , , , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

人工知能

, , ,

前のページに戻る