指数模型下的共识排序
机器学习
2012-06-26 v1 人工智能
机器学习
摘要
我们分析了广义Mallows模型，这是一种流行的基于排序的指数模型。从数据中估计中心（或共识）排序是NP难的。我们获得了以下新结果：（1）我们证明搜索方法可以精确估计中心排序π0和模型参数θ。最坏情况下搜索量为n!，但当真实分布集中在其众数附近时，该方法是可处理的；（2）我们证明广义Mallows模型在(π0; θ)上是联合指数的，并引入了该模型类的共轭先验；（3）充分统计量是项目i优于项目j的成对边际概率。初步实验证实了理论预测，并比较了新算法和现有启发式方法。
引用
@article{arxiv.1206.5265,
title = {Consensus ranking under the exponential model},
author = {Marina Meila and Kapil Phadnis and Arthur Patterson and Jeff A. Bilmes},
journal= {arXiv preprint arXiv:1206.5265},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Third Conference on Uncertainty in Artificial Intelligence (UAI2007)