エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
ここにツイート内容が記載されます https://b.hatena.ne.jp/URLはspanで囲んでください
Twitterで共有ONにすると、次回以降このダイアログを飛ばしてTwitterに遷移します
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
Data-driven Rank Breaking for Efficient Rank Aggregation, ICML2016 個人の好み情報を集め、それらに... Data-driven Rank Breaking for Efficient Rank Aggregation, ICML2016 個人の好み情報を集め、それらに基づき全体的なランク情報を取得する。 全体的なランク情報を学習する際、その計算コストを低減するためにrank breaking手法を用いる。 この手法では、個人の好み情報を互いに独立なベアワイズ比較情報へ分解し、その情報に適用可能で効率的な手法を用いる。 しかし各比較情報間を独立に扱うため、その予測結果は一貫性が低い。 本論ではこの欠点を、データのトポロジーを考慮する事で、各比較情報を不均等に扱う事で改善する。 この考え方にもとづき、提案する手法は一貫性のある結果を最適な誤差バウンドの元得る事が出来る。 この事で、精度とモデル複雑性のトレードオフを理想的な形で獲得出来た。 Persistence weighted Gaussia