基于批评的主观偏好建模
人机交互
2022-04-26 v3
摘要
为娱乐及其他非工具性目的设计的应用难以优化，因为系统参数与用户体验之间的关系可能并不清晰。理想情况下，我们会将此类设计问题众包出去，但现有方法侧重于对离散选项进行评估或排序，而非在连续参数空间上进行优化。此外，用户习惯于以非正式的方式将对于体验的意见表达为批评（例如：太冷了、太辣了、太大了），而非如优化算法所要求的那样给出精确反馈。遗憾的是，定性反馈往往难以分析，尤其在定量建模的语境下。本文提出集体批评（collective criticism），一种基于批评的、用于建模系统参数与主观偏好之间关系的方法。我们将“太简单/太难”之类的批评转化为删失区间（censored intervals），并使用区间回归对其进行分析。与其他方法相比，集体批评具有若干优势：“过多/过少”式的反馈对用户而言直观自然，并使我们能够为被批评变量建立最优参数化的预测模型。我们呈现了两项研究，分别建模：(i) 由神经风格迁移生成的图像的审美偏好，以及 (ii) 用户在视频游戏俄罗斯方块中的挑战体验。这些研究证明了我们方法的灵活性，并表明其产生了稳健的、易于解释且与用户所陈述偏好一致的结果。
引用
@article{arxiv.2110.11744,
title = {Critiquing-based Modeling of Subjective Preferences},
author = {Alan Medlar and Jing Li and Yang Liu and Dorota Glowacka},
journal= {arXiv preprint arXiv:2110.11744},
year = {2022}
}