保罗·维亚皮亚尼
人员信息
优化列表
2020年–今天
2023 [公元46年] 马可·布隆齐尼 , 埃里希·罗比 , 保罗·维亚皮亚尼 , 安德烈亚·帕塞里尼 :
使用Choquet积分的环保软件包推荐。 ECAI公司 2023 : 3182-3189 [公元45年] 萨米拉·普卡霍伊 , 费德里科·托法诺 , 保罗·维亚皮亚尼 , 尼克·威尔逊 :
噪声偏好模型下交互式偏好诱导的有效非贝叶斯方法。 ECSQARU公司 2023 : 308-321 2022 [公元44年] 塞巴斯蒂安·科尼奇尼 , 斯特凡诺·莫雷蒂 , 阿里亚娜·拉维尔 , 保罗·维亚皮亚尼 :
从集合排序中选择最相关的元素。 SUM(总和) 2022 : 172-185 [i3] 乔瓦尼·德托尼 , 保罗·维亚皮亚尼 , 布鲁诺·莱普利 , 安德烈亚·帕塞里尼 :
通过激发用户偏好,为算法资源生成个性化的反事实干预。 CoRR公司 abs/2205.13743 ( 2022 ) 2021 [公元43年] 阿尔诺·格里夫·塞伯特 , 尼古拉斯·莫代特 , 帕特里斯·佩尼 , 保罗·维亚皮亚尼 :
广义不可用候选模型中的偏好聚合。 ADT公司 2021 : 35-50 [公元42年] 比阿特丽斯·纳波利塔诺 , 奥利维尔·卡约 , 保罗·维亚皮亚尼 :
同时激发评分规则和代理人偏好,以实现稳健的优胜者决定。 ADT公司 2021 : 51-67 [公元41年] 费德里科·托法诺 , 保罗·维亚皮亚尼 , 尼克·威尔逊 :
交互式偏好诱导中集合最小最大后悔的高效精确计算。 美国原子能机构 2021 : 1326-1334 [公元40年] 阿尔诺·格里夫·塞伯特 , 尼古拉斯·莫代特 , 帕特里斯·佩尼 , 保罗·维亚皮亚尼 :
不可用候选模型中通过不满最小化进行排名聚合。 美国原子能机构 2021 : 1518-1520 [公元39年] 克里斯蒂娜·曼弗雷多蒂 , 保罗·维亚皮亚尼 :
具有认识论不确定性的Monty-Hall问题的贝叶斯解释。 MDAI公司 2021 : 93-105 2020 [j6] 保罗·维亚皮亚尼 , Craig Boutiler公司 :
关于最佳推荐集和短视最佳查询集的等价性。 Artif公司。 智力。 286 : 103328 ( 2020 ) [公元38年] 阿涅斯·里科 , 保罗·维亚皮亚尼 :
用Maximin方法对Sugeno积分的容量增量启发。 SUM(总和) 2020 : 156-171 [公元37年] 昂斯·奈弗拉 , 艾梅·布里吉 , 梅尔特姆·奥斯图尔克 , 保罗·维亚皮亚尼 , 乌萨马·拉邦 :
基于Agent的群体决策序数分类。 工作地点/进气温度 2020 : 365-370
2010 – 2019
2019 [公元36年] 昂斯·奈弗拉 , 梅尔特姆·兹蒂尔克 , 保罗·维亚皮亚尼 , 艾梅·布里吉·赫蒂乌伊(Imène Brigui-Chtioui) :
具有最大裕度优化的多数规则排序模型的交互式启发。 ADT公司 2019 : 141-157 [公元35年] 比阿特丽斯·纳波利塔诺 , 奥利维尔·卡约 , 保罗·维亚皮亚尼 :
同时激发委员会和选民的偏好。 RJCIA公司 2019 : 59-62 2018 [公元34年] 保罗·维亚皮亚尼 :
权重不确定的位置评分规则。 SUM(总和) 2018 : 306-320 2017 [j5] 纳瓦尔·本纳布 , 帕特里斯·佩尼 , 保罗·维亚皮亚尼 :
针对多标准选择、排序和排序问题的Choquet能力增量启发。 Artif公司。 智力。 246 : 152-180 ( 2017 ) [公元33年] 斯特凡诺·特索 , 安德烈亚·帕塞里尼 , 保罗·维亚皮亚尼 :
具有Setwise Max-margin的多用户建构性偏好诱导。 ADT公司 2017 : 3-17 [公元32年] 雨果·吉尔伯特 , 纳瓦尔·本纳布 , 帕特里斯·佩尼 , 奥利维尔·斯潘贾德 , 保罗·维亚皮亚尼 :
加权期望效用模型下的风险增量决策。 国际JCAI 2017 : 4588-4594 2016 【j4】 加布里埃拉·皮戈齐 , 亚历克西斯·祖基斯 , 保罗·维亚皮亚尼 :
人工智能偏好。 安。数学。 Artif公司。 智力。 77 ( 3-4 ) : 361-401 ( 2016 ) [公元31年] 斯特凡诺·特索 , 安德烈亚·帕塞里尼 , 保罗·维亚皮亚尼 :
通过Setwise Max-Margin学习激发建构性偏好。 国际JCAI 2016 : 2067-2073 [公元30年] 纳瓦尔·贝纳布 , 塞雷娜·迪·萨巴蒂诺·迪·迪奥多罗 , 帕特里斯·佩尼 , 保罗·维亚皮亚尼 :
多属性域中增量偏好诱导的选择和Borda计数排序。 SUM(总和) 2016 : 81-95 [公元29年] 雨果·吉尔伯特 , 布鲁诺·扎努蒂尼 , 保罗·翁 , 保罗·维亚皮亚尼 , 埃丝特·尼卡特 :
使用斜对称双线性实用程序的无模型强化学习。 阿拉伯联合酋长国 2016 [公元28年] 帕特里斯·佩尼 , 保罗·维亚皮亚尼 , 阿卜杜拉·布哈泰姆 :
基于秩相关效用模型的风险决策增量偏好诱导。 阿拉伯联合酋长国 2016 [i2] 斯特凡诺·特索 , 安德烈亚·帕塞里尼 , 保罗·维亚皮亚尼 :
通过Setwise Max-margin学习激发建构性偏好。 CoRR公司 abs/1604.06020 ( 2016 ) 2015 [公元27年] 雨果·吉尔伯特 , 奥利维尔·斯潘贾德 , 保罗·维亚皮亚尼 , 保罗·翁 :
减少交互式值迭代中的查询数。 ADT公司 2015 : 139-152 [公元26年] 保罗·维亚皮亚尼 :
具有距离的评分规则的特征:在排名聚类中的应用。 国际JCAI 2015 : 104-110 [公元25年] 雨果·吉尔伯特 , 奥利维尔·斯潘贾德 , 保罗·维亚皮亚尼 , 保罗·翁 :
用斜对称双线性效用函数求解MDP。 国际JCAI 2015 : 1989-1995 [电子2] 迪特马尔·贾纳赫 , 杰罗姆·门根 , 巴姆沙德·莫巴希尔 , 安德里亚·帕塞里尼 , 保罗·维亚皮亚尼 :
2015年7月27日,与第24届国际人工智能联合会议(IJCAI 2015)在阿根廷布宜诺斯艾利斯共同举办的IJCAI2015网络个性化配置和推荐的约束和偏好以及智能技术联合研讨会会议记录。 CEUR研讨会记录 1440, CEUR-WS.org公司 2015 [目录] 2014 [公元24年] 保罗·维亚皮亚尼 :
偏好建模与偏好诱导:综述。 DMRS公司 2014 : 19-24 【c23】 纳瓦尔·本纳布 , 帕特里斯·佩尼 , 保罗·维亚皮亚尼 :
用于多准则决策的Choquet能力的增量启发。 ECAI公司 2014 : 87-92 [公元22年] 保罗·维亚皮亚尼 :
一组代理的不确定定性偏好的聚合。 IPMU(2) 2014 : 434-443 2013 【c21】 保罗·维亚皮亚尼 :
重置贝叶斯强盗的汤普森抽样。 ADT公司 2013 : 399-410 [公元20年] 保罗·维亚皮亚尼 , 克里斯蒂安·克罗 :
基于最大效用准则的推荐集稳健优化。 ADT公司 2013 : 411-424 [第19条] 亚历克西斯·祖基斯 , 保罗·维亚皮亚尼 :
首选项处理教程。 RecSys系统 2013 : 497-498 [电子1] 曼弗雷德·杰格 , 托马斯·迪赫·尼尔森 , 保罗·维亚皮亚尼 :
第十二届斯堪的纳维亚人工智能会议,2013年SCAI,丹麦奥尔堡,2013年11月20日至22日。 人工智能和应用的前沿 257, IOS出版社 2013 ,国际标准图书编号 978-1-61499-329-2 [目录] 2012 [第18条] 保罗·维亚皮亚尼 :
偏好学习的蒙特卡罗方法。 狮子 2012 : 503-508 2011 [第17条] 保罗·维亚皮亚尼 , Craig Boutiler公司 :
推荐集和选择查询:没有勘探/开发权衡! AAAI公司 2011 : 1571-1574 [第16条] 保罗·维亚皮亚尼 , 桑德拉·齐勒斯 , 霍华德·汉密尔顿 , Craig Boutiler公司 :
面向众包的贝叶斯概念学习方法。 互动决策理论与博弈论 2011 [c15] 保罗·维亚皮亚尼 , 桑德拉·齐尔斯 , 霍华德·汉密尔顿 , Craig Boutiler公司 :
使用众包学习复杂概念:贝叶斯方法。 ADT公司 2011 : 277-291 [第14条] 保罗·维亚皮亚尼 , 桑德拉·齐勒斯 , 霍华德·汉密尔顿 , Craig Boutiler公司 :
面向众包的贝叶斯概念学习方法。 IJCAI的ITWP 2011 [第1页] 珍珠蒲 , 博伊·法尔廷斯 , 李晨 , 张继勇 , 保罗·维亚皮亚尼 :
基于实例评判研究的产品推荐者可用性指南。 推荐系统手册 2011 : 511-545 [i1] 博伊·法尔廷斯 , 珍珠Pu , 保罗·维亚皮亚尼 :
使用示例-评论和建议进行基于偏好的搜索。 CoRR公司 abs/1110.0026 ( 2011 ) 2010 [第13条] Craig Boutiler公司 , 凯文·里根 , 保罗·维亚皮亚尼 :
同时激发偏好特征和效用。 AAAI公司 2010 : 1160-1167 [第12条] 保罗·维亚皮亚尼 , Craig Boutiler公司 :
最优贝叶斯推荐集和病态最优选择查询集。 钳口 2010 : 2352-2360
2000 – 2009
2009 [第11条] Craig Boutiler公司 , 凯文·里根 , 保罗·维亚皮亚尼 :
交互式优化中的在线特征提取。 ICML公司 2009 : 73-80 [第10条] 保罗·维亚皮亚尼 , Craig Boutiler公司 :
基于遗憾的最佳集建议。 ITWP公司 2009 【c9】 保罗·维亚皮亚尼 , Craig Boutiler公司 :
会话推荐系统中基于遗憾的最优推荐集。 RecSys系统 2009 : 101-108 【c8】 Craig Boutiler公司 , 凯文·里根 , 保罗·维亚皮亚尼 :
带有主观特征的偏好启发。 RecSys系统 2009 : 341-344 2008 [j3] 保罗·维亚皮亚尼 , 珍珠Pu , 博伊·法尔廷斯 :
基于偏好的搜索和自适应建议。 AI社区。 21 ( 2-3 ) : 155-175 ( 2008 ) [注2] 巴特·彭特纳 , 保罗·维亚皮亚尼 , 尼尔·约克-史密斯 :
交互系统中的偏好:技术挑战和案例研究。 人工智能杂志。 29 ( 4 ) : 13-24 ( 2008 ) 2007 【c7】 保罗·维亚皮亚尼 , 珍珠蒲 , 博伊·法尔廷斯 :
具有适应性建议的对话式推荐。 RecSys系统 2007 : 89-96 2006 [j1] 保罗·维亚皮亚尼 , 博伊·法尔廷斯 , 珍珠蒲 :
使用示例-评论和建议进行基于偏好的搜索。 J.阿蒂夫。 智力。 物件。 27 : 465-503 ( 2006 ) 【c6】 保罗·维亚皮亚尼 , 博伊·法尔廷斯 , 珍珠蒲 :
评估基于偏好的搜索工具:两种方法的故事。 AAAI公司 2006 : 205-212 【c5】 珍珠蒲 , 保罗·维亚皮亚尼 , 博伊·法尔廷斯 :
使用建议提高用户决策准确性。 芝加哥 2006 : 121-130 【c4】 保罗·维亚皮亚尼 , 博伊·法尔廷斯 , 珍珠蒲 :
偏好诱导的前瞻原则:实验结果。 FQAS公司 2006 : 378-389 【c3】 保罗·维亚皮亚尼 , 博伊·法尔廷斯 :
实施基于示例的工具以进行基于偏好的搜索。 ICWE公司 2006 : 89-90 【c2】 保罗·维亚皮亚尼 , 博伊·法尔廷斯 :
基于偏好的搜索的设计与实现。 WISE公司 2006 : 72-83 2004 【c1】 博伊·法尔廷斯 , 珍珠蒲 , 马克·托伦斯 , 保罗·维亚皮亚尼 :
设计示例-评论交互。 工业联合会 2004 : 22-29