×

基于核的偏好聚合学习方法。 (英语) 兹比尔1175.91058

摘要:人类偏好的数学表示一直是不同领域研究人员的研究课题。在多准则决策(MCDM)和模糊建模中,偏好模型通常是通过与人类决策者(DM)交互来构建的。然而,众所周知,DM通常很难为模型的某些参数指定精确值。相反,他/她更愿意对一些备选方案进行整体判断。然后,推理和启发程序帮助DM找到一个令人满意的模型,并评估未经判断的替代方案。以一种相关但更具统计性的方式,机器学习算法也可以推断出具有类似设置和目的的偏好模型,但这里需要/允许与DM的交互更少。在本文中,我们讨论了这两种推理类型之间的主要区别,特别是,我们提出了一种混合方法,它将这两种方法的优点结合在一起。该方法包含一个非常通用的基于内核的框架,用于构建和推断偏好模型。保留可解释性的可加模型和实用模型可视为特殊情况。除了通用性之外,这种方法的重要优点是它对噪声的鲁棒性和良好的可扩展性。我们详细展示了如何利用该框架来聚合单标准排名高于关系,从而产生一类灵活的偏好模型,DM可以为其指定领域知识。

MSC公司:

91B08型 个人偏好
90B50型 管理决策,包括多个目标
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Agresti A(2002)分类数据分析,第二版。纽约威利·兹比尔1018.62002
[2] Bishop C(2006)模式识别和机器学习。柏林施普林格·Zbl 1107.68072号
[3] Boutiler C、Brafman R、Domshlak C、Hoos H、Poole D(2004)Cp-nets:一种用条件对等偏好语句表示和推理的工具。Artif Intell Res杂志21:135–191·Zbl 1080.68685号
[4] Bouyssou D、Marchant T、Pirlot M、Tsoukias A、Vinke P(2006)《多准则评估与决策模型》,柏林斯普林格出版社·Zbl 1140.90027号
[5] Bradley R,Terry M(1952)《不完全块设计的秩分析》。一: 成对比较的方法。生物特征39:324–345·Zbl 0047.12903号
[6] Chu W,Ghahramani Z(2005)序数回归的高斯过程。J Mach学习研究6:1019–1041·Zbl 1222.68170号
[7] Chu W,Keerthi S(2005)支持向量顺序回归的新方法。摘自:德国波恩国际机器学习会议记录,第321-328页
[8] Crammer K,Singer Y(2001)与排名的恶作剧。摘自:加拿大温哥华神经信息处理系统会议记录,第641-647页
[9] Cristianini N,Shawe-Taylor J(2000)支持向量机简介。剑桥大学出版社·Zbl 0994.68074号
[10] De Baets B,De Meyer H(2005)互惠关系的传递性框架:循环传递性与FG-传递性。模糊集系统152:249–270·Zbl 1114.91031号 ·doi:10.1016/j.fss.2004.11.002
[11] De Baets B,Fodor J(2003)《下一代可加模糊偏好结构》。在:De Baets B,Fodor J(eds)《模糊偏好建模和决策原则》中。美国科学院出版社,纽约,第15-27页
[12] De Baets B,Van De Walle B,Kerre E(1995)《没有不可比性的模糊偏好结构》。模糊集系统76:333–348·Zbl 0858.90001号 ·doi:10.1016/0165-0114(94)00379-9
[13] Dias L,Mousseau V(2006)从排名靠前的例子中推断出ELECTRE的否决权相关参数。欧洲运营研究杂志170:172–191·Zbl 1079.90072号 ·doi:10.1016/j.ejor.2004.07.044
[14] Doumpos M,Zopounidis C(2004)基于成对比较的多标准分类方法。欧洲操作研究杂志158:378–389·Zbl 1067.90067号 ·doi:10.1016/j.ejor.2003.06.011
[15] Doyle J(2004)《偏好展望》。计算智能20:111–136·doi:10.1111/j.0824-7935.2004.00233.x
[16] Fan Z,Ma J,Zhang Q(2002)基于方案模糊偏好信息的多属性决策方法。模糊集系统131:101–106·Zbl 1027.91015号 ·doi:10.1016/S0165-0114(01)00258-5
[17] Freund Y,Yier R,Schapire R,Singer Y(2003)组合偏好的有效提升算法。J Mach学习研究4:933–969·Zbl 1098.68652号 ·doi:10.1162/jmlr.2003.4.6.933
[18] Fürnkranz J,Hüllermier E(2003)成对偏好学习和排名。Lect Notes计算机科学2837:145–156·Zbl 1257.68126号 ·doi:10.1007/978-3-540-39857-8_15
[19] Gheorghe R,Bufardi A,Xirochakis P(2004)基于模糊评价的双参数模糊优先关系的构建。模糊集系统143:391–412·Zbl 1074.91007号 ·doi:10.1016/S0165-0114(03)00227-6
[20] Gheorghe R,Bufardi A,Xirochakis P(2005)从双参数单准则模糊优先关系构建全局模糊偏好结构。模糊集系统153:303–330·Zbl 1138.91380号
[21] Gonzales C,Perny P(2004),GAI效用启发网络。摘自:第九届知识表示和推理原则国际会议记录,第224-234页
[22] Grabisch M,Kojadinovic I,Meyer P(2008)《基于Choquet积分的多属性效用理论中容量识别方法的综述,kappalab R包的应用》。欧洲运营研究杂志186:766–785·Zbl 1138.90407号 ·doi:10.1016/j.ejor.2007.02.025
[23] Greco S,Mousseau V,Slowinski R(2008)重新审视有序回归:使用一组加性值函数进行多标准排序。欧洲运营研究杂志191:415–435·Zbl 1147.90013号 ·doi:10.1016/j.ejor.2007.08.013
[24] Hastie T、Tibshirani R、Friedman J(2001)《统计学习的要素》。柏林施普林格·Zbl 0973.62007号
[25] Herbrich R,Graepel T,Obermayer K(2000)序数回归的大边距秩界。收录:Smola A、Bartlett P、Scholkopf B、Schurmans D(编辑)《大幅度分类器的进展》。麻省理工学院出版社,剑桥,第115–132页
[26] Herbrich R、Minka T、Graepel T(2007)《特鲁斯吉尔:贝叶斯技能评级体系》。发表于:Schölkopf B,Platt J,Hoffman T(eds)《神经信息处理系统进展》。麻省理工学院出版社,剑桥,第19卷,第569-576页
[27] Jung S,Hong JH,Kim T-S(2005)用户偏好的统计模型。IEEE传输已知数据工程17:834–843·Zbl 05109805号 ·doi:10.1109/TKDE.2005.86
[28] Kojadinovic I(2004)通过信息理论泛函从轮廓集估计交互标准的权重。欧洲运营研究杂志155:741–751·Zbl 1043.90078号 ·doi:10.1016/S0377-2217(02)00880-9
[29] Lievens S,De Baets B,Cao-Van K(2008)有序环境下基于实例的监督排序算法设计的概率框架。《运营年鉴》163:115–142·Zbl 1192.60050号 ·doi:10.1007/s10479-008-0326-1
[30] Marichal JL,Meyer P,Roubens M(2005)《排序多属性备选方案:TOMASO方法》。计算操作结果32:861–877·Zbl 1071.90550号 ·doi:10.1016/j.cor.2003.09.002
[31] Mousseau V(2005)多标准决策辅助中建设性学习偏好启发的一般框架。法国多芬巴黎大学LAMSADE技术报告
[32] Mousseau V,Slowinski R(1998)从赋值示例推断ELECTRE TRI模型。《全球优化杂志》12:157–174·Zbl 0904.90093号 ·doi:10.1023/A:1008210427517
[33] Mousseau V,Figueira J,Naux J(2001)使用赋值示例推断ELECTRE TRI方法的权重:一些实验结果。欧洲运营研究杂志130(2):263–275·Zbl 1068.90570号 ·doi:10.1016/S0377-2217(00)00041-2
[34] Mousseau V,Dias L,Figueira J(2006)《处理多标准排序中不一致的判断》。4或4:145–158·Zbl 1141.90449号 ·doi:10.1007/s10288-005-0076-8
[35] Öztürk M,Tsoukiás A,Vincke Ph(2005)偏好建模。参见:Figueira J、Greco S、Ehrgott M(eds)多准则决策分析。最先进的调查。柏林施普林格,第27-71页
[36] Perny P(1992)《牧场问题中牧场的建模、管理和开发》。巴黎多芬大学博士论文
[37] Radlinski F,Joachims T(2007)从点击数据学习排名的积极探索。摘自:《知识发现和数据挖掘国际会议论文集》,美国加利福尼亚州圣何塞,第570-579页
[38] Rennie JD,Srebro N(2005),偏好水平的损失函数:离散有序标签回归。在:《国际癌症联合会偏好处理进展多学科研讨会论文集》,苏格兰爱丁堡,第180–186页
[39] Roy B(1991)排名靠前的方法和ELECTRE方法的基础。理论决策31(1):49–73·doi:10.1007/BF00134132
[40] Schölkopf B,Smola A(2002),使用内核学习,支持向量机,正则化,优化及其他。麻省理工学院出版社,剑桥
[41] Shashua A,Levin A(2003)《大幅度原则排名:两种方法》。摘自:加拿大温哥华神经信息处理系统国际会议论文集。麻省理工学院出版社,剑桥,第937-944页
[42] Shawe-Taylor J,Cristianini N(2004),模式分析的核方法。剑桥大学出版社·Zbl 0994.68074号
[43] Switalski Z(2003)模糊互惠偏好矩阵的一般传递性条件。模糊集系统137:85–100·Zbl 1052.91033号 ·doi:10.1016/S0165-0114(02)00434-7
[44] Thurstone L(1927)比较判断法。心理学评论79:281–299
[45] Van De Walle B,De Baets B,Kerre E(1998)可表征模糊偏好结构。Ann Oper Res 80:105–136年·Zbl 0907.90012号 ·doi:10.1023/A:1018903628661
[46] Vinke Ph(1992)《多准则决策辅助》。纽约威利
[47] Waegeman W,De Baets B,Boullart L(2008a)序数回归学习中的ROC分析。图案识别快报29:1–9·Zbl 1452.62473号 ·doi:10.1016/j.patrec.2007.07.019
[48] Waegeman W,De Baets B,Boullart L(2008b)关于有序多类ROC分析的可扩展性。计算统计数据分析52:3371–3388·Zbl 1452.62473号 ·doi:10.1016/j.csda.2007.12.001
[49] 王永明,帕坎·C(2005)基于方案模糊偏好信息的多属性决策:排序与加权。模糊集系统153:331–346·Zbl 1122.91026号
[50] Wu F,Lin C,Weng R(2004)基于成对耦合的多类支持向量机概率估计。J Mach学习研究5:975–1005·Zbl 1222.68336号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。