神经Bradley-Terry评级：从比较中量化属性
机器学习
2024-03-12 v5 人工智能
摘要
现实世界中的许多属性没有度量标准且无法以数值形式观测，因而难以学习。为应对这一挑战性问题，已有工作主要聚焦于在训练中使用分级人类评分作为目标标签来估计这些属性。同时，基于Bradley-Terry模型的评级算法被广泛研究，以依据选手的比赛历史评估其竞争力。本文提出神经Bradley-Terry评级（NBTR），一种旨在量化并评估未知物品属性的新型机器学习框架。我们的方法将Bradley-Terry模型无缝集成到神经网络结构中。此外，我们将该架构进一步推广至存在不公平性的非对称环境，这是现实场景中更常见的条件。通过实验分析，我们证明NBTR能成功学习并量化与估计所需属性。
引用
@article{arxiv.2307.13709,
title = {Neural Bradley-Terry Rating: Quantifying Properties from Comparisons},
author = {Satoru Fujii},
journal= {arXiv preprint arXiv:2307.13709},
year = {2024}
}