TY  - THES
AB  - Dyad Ranking ist eine neue Problemstellung innerhalb des Präferenzlernens. Dyaden sind Paare von Merkmalsvektoren, die durch Modelle des Maschinellen Lernens in ein Ranking überführt werden sollen. Bestehende Ranking Methoden liefern keine zufriedenstellenden Ergebnisse für das Dyad Ranking, weil nicht alle Informationen der Dyaden genutzt werden. Aus diesem Grund werden drei Erweiterungen des Plackett-Luce (PL) Modells, einem statistischen Modell für Rangdaten, vorgeschlagen: Joint-Feature PL basiert auf der Idee, Dyaden auf jeweils einen gemeinsamen Merkmalsvektor abzubilden. In dem bilinearen PL Modell (BilinPL) ist die Abbildung über das Kreuzprodukt zwischen Merkmalsvektorpaaren definiert. Experimente zeigen, dass das BilinPL Modell eine bessere Prädiktionsgüte als Label Ranking Methoden aufweist und Rankings über Labels prädizieren kann, die nicht in den Trainingsdaten vorhanden sind. Das dritte Modell, PLNetworks (PLNet), basiert auf einem Neuronalen Netzwerk und ermöglicht das Erlernen der Repräsentationen von gemeinsamen Merkmalsvektoren. Die Anwendungen umfassen das Meta-Learning zur Empfehlung von genetischen Algorithmen, das Ähnlichkeitslernen und die Konfigurationsbestimmung von Bildverarbeitungsketten auf Basis des präferenzbasierten Verstärkungslernens. Die probabilistische Eigenschaft der Modelle wurde für zwei neue Visualisierungsmethoden genutzt, die auf der Mehrdimensionalen Skalierung und dem Unfolding basieren.
AU  - Schäfer, Dirk
CY  - Paderborn
DA  - 2018
DO  - 10.17619/UNIPB/1-458
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 22.10.2018
N1  - Universität Paderborn, Dissertation, 2018
PB  - Veröffentlichungen der Universität
PY  - 2018
SP  - 1 Online-Ressource (iv, 181 Seiten)
T2  - Institut für Informatik
TI  - Dyad ranking with generalized Plackett-Luce models
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-32167
Y2  - 2024-12-27T02:50:38
ER  -