• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Antithetic and Monte Carlo kernel estimators for partial rankings
【24h】

Antithetic and Monte Carlo kernel estimators for partial rankings

机译：用于部分排名的抗动性和蒙特卡罗内核估算

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the modern age, rankings data are ubiquitous and they are useful for a variety of applications such as recommender systems, multi-object tracking and preference learning. However, most rankings data encountered in the real world are incomplete, which prevent the direct application of existing modelling tools for complete rankings. Our contribution is a novel way to extend kernel methods for complete rankings to partial rankings, via consistent Monte Carlo estimators for Gram matrices: matrices of kernel values between pairs of observations. We also present a novel variance-reduction scheme based on an antithetic variate construction between permutations to obtain an improved estimator for the Mallows kernel. The corresponding antithetic kernel estimator has lower variance, and we demonstrate empirically that it has a better performance in a variety of machine learning tasks. Both kernel estimators are based on extending kernel mean embeddings to the embedding of a set of full rankings consistent with an observed partial ranking. They form a computationally tractable alternative to previous approaches for partial rankings data. An overview of the existing kernels and metrics for permutations is also provided.
机译：在现代时代，排名数据普遍存在，它们对各种应用有用，例如推荐系统，多目标跟踪和偏好学习。然而，现实世界中遇到的大多数排名数据都是不完整的，这防止了直接应用现有的建模工具进行完整排名。我们的贡献是扩展内核方法的新方法，以便通过一致的克矩阵的一致蒙特卡罗估计来扩展内核方法，以便为部分排名进行部分排名：观察成对之间的内核值矩阵。我们还基于排列之间的左转变化构造的新型变异减少方案，以获得Mallows内核的改进估计器。相应的静止内核估计器具有较低的方差，并且我们经验证明它在各种机器学习任务中具有更好的性能。内核估计器都基于扩展内核，嵌入嵌入的嵌入与观察到的部分排名一致的一组完整排名。它们形成了用于部分排名数据的先前方法的计算易替代的替代方案。还提供了现有内核和排列的度量标准的概述。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号