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
相关材料