新框架解决含噪声数据的排名估计问题

研究人员推出了一种名为随机顺序学习（SOL）的新型框架，旨在解决在处理含噪声的序数标签时进行排名估计的挑战。SOL将问题重新构建为一项随机排序任务，承认实例可能具有多个合理的排名，而不是单一的确定性排名。该框架采用两个关键目标：一个判别性损失来构建实例-质心交互，以及一个随机顺序损失来强制执行概率排序。在各种数据集上的实验表明，SOL能有效处理不同类型和级别的标签噪声，以实现可靠的排名估计。 AI

影响 这项研究提供了一种处理排名任务中噪声数据的新方法，有可能提高依赖序数注释的系统的准确性。

排序理由 该条目是一篇学术论文，详细介绍了一种新的排名估计方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• cs.LG
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• ScienceCast
• SOL
• Stochastic Order Learning

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →