基于噪声排序的排序分布

Adil El Mesaoudi-Paul、Eyke Hüllermier、Robert Busa-Fekete
第35届机器学习国际会议论文集，PMLR 80:3472-34802018年。

摘要

我们提出了一种新的排序数据统计模型，即排列上的一组新的概率分布。我们的模型受到了以噪音排序过程形式的数据生成过程的启发，在这种过程中，两个项目之间的确定性比较被伯努利试验所取代。因此，产生特定排名的概率基本上取决于伯努利参数，这可以解释为成对偏好。我们证明，如果使用插入或快速排序作为排序算法，我们的模型可以写为封闭形式，并提出了参数估计的最大似然方法。我们还介绍了该模型的一个推广，在该模型中，对两两偏好的约束是放松的，并且可以基于广义迭代缩放算法的变化进行最大似然估计。实验表明，与现有的排名数据模型相比，这些模型在拟合优度方面表现得非常好。

引用本文

BibTeX公司
@会议记录{pmlr-v80-masoudi-paul18a，title＝{基于噪声排序的排序分布}，author={Mesaoudi-Paul，Adil El和H{“u}llermier，Eyke和Busa-Fekete，Robert}，booktitle={第35届机器学习国际会议论文集}，页数={3472--3480}，年份={2018年}，editor={Dy，Jennifer和Krause，Andreas}，体积={80}，series={机器学习研究论文集}，月={7月10日至15日}，publisher={PMLR}，pdf={http://processes.mlr.press/v80/masoudi-paul18a/mesaoudi-paul18a.pdf}，url={https://procedures.mlr.press/v80/masoudi-paul18a.html}，抽象={我们提出了一个新的排序数据统计模型，即排列上的一组新的概率分布。我们的模型受到了以噪声排序过程形式的数据生成过程的启发，在该过程中，项目对之间的确定性比较被贝努利试验所取代因此，rtain排名基本上取决于伯努利参数，这可以解释为成对偏好。我们证明，如果使用插入或快速排序作为排序算法，我们的模型可以写成封闭形式，并提出了一种用于参数估计的最大似然方法。我们还介绍了该模型的一个推广，在该模型中，对两两偏好的约束是放松的，并且可以基于广义迭代缩放算法的变化进行最大似然估计。实验表明，与现有的排名数据模型相比，这些模型在拟合优度方面表现得非常好。}}
尾注
%0会议论文%基于噪声排序的T排序分布%A Adil El Mesaoudi-Paul公司%艾克·Hüllermier%罗伯特·布萨·费科特%第35届机器学习国际会议论文集%C机器学习研究进展%2018年4月%E詹妮弗·戴伊%E安德烈亚斯·克劳斯%F pmlr-v80-masoudi-paul18a型%我PMLR%电话3472-3480%U型https://proceedings.mlr.press/v80/mesaoudi-paul18a.html%80伏%我们提出了一种新的排序数据统计模型，即排列上的一组新的概率分布。我们的模型受到了以噪音排序过程形式的数据生成过程的启发，在这种过程中，两个项目之间的确定性比较被伯努利试验所取代。因此，产生特定排名的概率基本上取决于伯努利参数，这可以解释为成对偏好。我们证明，如果使用插入或快速排序作为排序算法，我们的模型可以写为封闭形式，并提出了参数估计的最大似然方法。我们还介绍了该模型的一个推广，在该模型中，对两两偏好的约束是放松的，并且可以基于广义迭代缩放算法的变化进行最大似然估计。实验表明，与现有的排名数据模型相比，这些模型在拟合优度方面表现非常好。
亚太地区
Mesaoudi-Paul，A.E.，Hüllermier，E.&Busa-Fekete，R..（2018年）。基于噪声排序的排序分布。第35届机器学习国际会议论文集，英寸机器学习研究进展80:3472-3480网址：https://proceedings.mlr.press/v80/mesaoudi-paul18a.html。

相关材料