[論文レビュー] Towards Case-Based Preference Elicitation: Similarity Measures on Preference Structures

Vu Ha, Peter Haddawy|arXiv (Cornell University)|Jan 30, 2013

Data Management and Algorithms参考文献 13被引用数 4

ひとこと要約

本稿では、好みの構造同士の類似性を測る手法を活用して、意思決定システムにおける好みの特定の負担を軽減する事例ベースのアプローチを提案する。3つの距離尺度—ユークリッド距離、スピアマンのフットルール、および新規の確率的距離—を導入し、新規ユーザーのデフォルトとして最も類似した既存のユーザー好みを特定することで、計算的手法を用いたすべての尺度において、効率的で段階的な好みの特定を可能にする。

ABSTRACT

While decision theory provides an appealing normative framework for representing rich preference structures, eliciting utility or value functions typically incurs a large cost. For many applications involving interactive systems this overhead precludes the use of formal decision-theoretic models of preference. Instead of performing elicitation in a vacuum, it would be useful if we could augment directly elicited preferences with some appropriate default information. In this paper we propose a case-based approach to alleviating the preference elicitation bottleneck. Assuming the existence of a population of users from whom we have elicited complete or incomplete preference structures, we propose eliciting the preferences of a new user interactively and incrementally, using the closest existing preference structures as potential defaults. Since a notion of closeness demands a measure of distance among preference structures, this paper takes the first step of studying various distance measures over fully and partially specified preference structures. We explore the use of Euclidean distance, Spearmans footrule, and define a new measure, the probabilistic distance. We provide computational techniques for all three measures.

研究の動機と目的

• インタラクティブ意思決定システムにおける完全な効用関数や価値関数を特定するコストの高さに対処すること。
• ユーザーポピュレーションから既存の好みの構造を再利用することで、好みの特定のボトルネックを軽減すること。
• 完全かつ部分的に指定された好みの構造を比較する計算的に実行可能な距離尺度を開発すること。
• 最も類似した既存の好みをデフォルトとして用いることで、新規ユーザーに対する段階的でインタラクティブな好みの特定を可能にすること。
• 好みの一致度に有効な複数の類似性尺度の有効性を評価・比較すること。

提案手法

• 完全または部分的に指定された好みの構造を持つユーザーポピュレーションを参照事例として使用する。
• 3つの距離尺度を定義する：ユークリッド距離、スピアマンのフットルール、および好みの構造向けに新規に導入した確率的距離。
• 部分的に指定された場合でも、好みの構造間の距離を効率的に計算するための計算手法を適用する。
• 段階的な好みの特定の過程で、最も類似した既存の好みの構造（複数可）を新規ユーザーのデフォルトとして選択する。
• ユーザーのフィードバックを活用して、最も近い参照ケースに基づいて好みを精緻化するインタラクティブな好みの特定を実施する。
• 類似性計算において完全および不完全な好みの構造を両方ともサポートする。

実験結果

リサーチクエスチョン

• RQ1 事例ベースの好みの特定を支援するため、好みの構造間の類似性を形式的にどのように測定できるか？
• RQ2 ユークリッド距離、スピアマンのフートルール、または確率的距離のうち、どれが好みの構造を比較する際に最も効果的か？
• RQ3 類似性に基づくデフォルトを用いることで、インタラクティブな好みの特定におけるクエリ数を削減できるか？
• RQ4 部分的な好みの指定は、類似性計算においてどのように効果的に処理できるか？
• RQ5 大規模な好みの構造集合における効率的な類似性計算を可能にする計算手法は何か？

主な発見

• 提案された確率的距離尺度は、好みの不確実性をモデル化することで、好みの構造を比較する新しいで効果的な方法を提供する。
• ユークリッド距離、スピアマンのフットルール、および確率的距離の3つの距離尺度すべてが、リアルタイムでのインタラクティブシステムへの適用を可能にする計算効率性を有している。
• 類似した既存の好みの構造をデフォルトとして用いることで、新規ユーザーの好みを特定するためのクエリ数が顕著に削減される。
• 本手法は完全および部分的に指定された好みの構造を両方ともサポートしており、実用的応用性が向上する。
• 距離尺度のための計算手法は形式的に導出され実装されており、スケーラブルな事例ベースの好みの特定を可能にする。
• 完全な効用関数の特定がコストが高すぎる場合でも、本アプローチは実行可能性と効率性を示しており、好みの特定のオーバーヘッドを低減する。