的一部分神经信息处理系统进展31(NeurIPS 2018)
姚莉、程敏浩、富井、谢福星、谢卓瑞
我们研究从群体比较中学习的问题,并应用于预测体育和网络游戏的结果。该领域以前的大多数工作都侧重于学习个人效果——他们假设每个球员都有一个潜在的分数,团队的“能力”由团队成员的分数之和建模。因此,所有当前的方法都无法模拟团队成员之间更深入的互动:一些玩家如果一起玩会表现得更好,而一些玩家在一起表现得很差。在本文中,我们提出了一个新的模型,该模型考虑了玩家交互效应。然而,在某些情况下,个体的总数可能非常大,玩家交互的数量呈二次增长,这使得学习变得很难。在这种情况下,我们提出了一个潜在因素模型,并表明在温和的假设下,我们模型的样本复杂度是有界的。最后,我们表明,我们提出的模型对多个电子竞技数据集具有更好的预测能力,并且可以用于揭示以前方法无法发现的有趣模式。
在电子诉讼程序中更改姓名的请求将被接受,不会提出任何问题。然而,名称更改可能会导致书目跟踪问题。作者被要求仔细考虑这一点,并在要求在电子诉讼中更改姓名之前与合著者进行讨论。
使用“报告问题”链接请求更改名称。