基于阈值概率模型的部分弃权标签排序

的一部分神经信息处理系统进展25（NIPS 2012）

作者

Weiwei Cheng、Eyke Hüllermier、Willem Waegeman、Volkmar Welker

摘要

有几种机器学习方法可以避免不确定的预测。虽然在传统分类等设置中很常见，但在学习排名方面，对弃权的研究却少得多。我们解决了标签排名设置的弃权问题，允许学习者声明某些标签对是不可比较的，因此，可以预测部分订单，而不是总订单。在我们的方法中，这样的预测是通过对标签之间成对偏好的概率进行阈值化来产生的，正如所有排名集合上的预测概率分布所诱导的那样。我们对Mallows和Plackett-Luce模型的这种方法进行了形式化分析，表明它可以生成适当的偏序作为预测，并表征了诱导类偏序的表达性。这些理论结果得到了实验的补充，实验证明了该方法的实用性。