非传递成对比较数据的贝叶斯 Mallows 方法：声音的人类化程度如何？
应用统计
2018-09-03 v2
摘要
我们有兴趣了解听众如何感知声音具有人类起源。一项实验使用了一系列电子合成的声音进行，要求听众将它们成对比较。我们提出了一种贝叶斯概率方法，从非传递成对比较数据中学习个体偏好，这种情况发生在数据中的一个（或多个）个体偏好与其他偏好所隐含的结论相矛盾时。我们构建了一个贝叶斯 Mallows 模型来处理非传递数据，该模型具有一个潜在的不确定性层，用于捕捉偏好误报的产生过程。随后，我们开发了 Mallows 模型的混合扩展，能够在异质人群中学习个体偏好。我们对音乐学实验的分析结果对电声作曲家和声音设计师，以及整个音频行业具有吸引力，他们的目标是理解如何生成计算机声音以使其听起来更具人类特征。
引用
@article{arxiv.1705.08805,
title = {A Bayesian Mallows approach to non-transitive pair comparison data: how human are sounds?},
author = {Marta Crispino and Elja Arjas and Valeria Vitelli and Natasha Barrett and Arnoldo Frigessi},
journal= {arXiv preprint arXiv:1705.08805},
year = {2018}
}