Байесовские рейтинг-системы с учётом дополнительной информации о результатах
Ключевые слова:
байесовские рейтинг-системы, графические вероятностные модели, фактор-граф, байесовский выводАннотация
Мы рассматриваем задачу построения байесовской рейтинг-системы, в которой из результатов отдельных матчей/турниров (упорядочиваний на небольшом множестве) обучается единая ранжирующая функция. Расширяя результаты [9], мы строим рейтинг-систему, которая может учитывать дополнительную численную информацию о результатах турниров. Статья содержит подробные описания моделей байесовских рейтинг-систем, алгоритмы вывода и результаты экспериментов.Литература
Coulom R. Computing Elo Ratings of Move Patterns in the Game of Go // ICGA Journal. December 2007. Vol. 30, N. 4. P. 198-208
Graepel T., Candela J. Q., Borchert T., Herbrich R. Web-Scale Bayesian Click-Through Rate Prediction for Sponsored Search Advertising in Microsoft's Bing Search Engine // Proceedings of the 27th International Conference on Machine Learning. 2010. P. 13-20
Graepel T., Minka T., Herbrich R. A Bayesian Skill Rating System // Advances in Neural Information Processing Systems 19 / Ed. by B. Scholkopf, J. Platt, T. Homan. Cambridge, MA: MIT Press, 2007. P. 569-576
Huang T.-K., Weng R. C., Lin C.-J. Generalized Bradley-Terry Models and Multi-class Probability Estimates // Journal of Machine Learning Research. 2006. Vol. 7. P. 85-115
MacKay D. J. Information Theory, Inference and Learning Algorithms. Cambridge University Press, 2003
Minka T. Expectation Propagation for approximate Bayesian inference // Proceedings of the 17th Conference on Uncertainty in Articial Intelligence / Ed. by J. S. Breese, D. Koller. San Francisco, CA: Morgan Kaufmann Publishers Inc., 2001. P. 362-369
Minka T. A family of algorithms for approximate Bayesian inference: Ph.D. thesis / Massachusetts Institute of Technology. 2001
Nikolenko S. I., Sirotkin A. V. Extensions of the TrueSkillTM rating system // Proceedings of the 9th International Conference on Applications of Fuzzy Systems and Soft Computing. 2010. P. 151-160
Nikolenko S. I., Sirotkin A. V. A New Bayesian Rating System for Team Competitions // Proceedings of the 28th International Conference on Machine Learning. 2011
Stein A., Aryal J., Gort G. Generalized Bradley-Terry Models and Multi-class Probability Estimates // IEEE Transactions on Geoscience and Remote Sensing. 2005. Vol. 43. P. 852-856
Tulupyev A. V., Nikolenko S. I., Sirotkin A. V. Bayesian networks: a logical probabilistic approach. St. Petersburg, Nauka, 2006. 608 p.
Wu T.-F., Lin C.-J., Weng R. C. Probability Estimates for Multi-class Classication by Pairwise Coupling // Journal of Machine Learning Research. 2004. Vol. 5. Pp. 975-1005.
Graepel T., Candela J. Q., Borchert T., Herbrich R. Web-Scale Bayesian Click-Through Rate Prediction for Sponsored Search Advertising in Microsoft's Bing Search Engine // Proceedings of the 27th International Conference on Machine Learning. 2010. P. 13-20
Graepel T., Minka T., Herbrich R. A Bayesian Skill Rating System // Advances in Neural Information Processing Systems 19 / Ed. by B. Scholkopf, J. Platt, T. Homan. Cambridge, MA: MIT Press, 2007. P. 569-576
Huang T.-K., Weng R. C., Lin C.-J. Generalized Bradley-Terry Models and Multi-class Probability Estimates // Journal of Machine Learning Research. 2006. Vol. 7. P. 85-115
MacKay D. J. Information Theory, Inference and Learning Algorithms. Cambridge University Press, 2003
Minka T. Expectation Propagation for approximate Bayesian inference // Proceedings of the 17th Conference on Uncertainty in Articial Intelligence / Ed. by J. S. Breese, D. Koller. San Francisco, CA: Morgan Kaufmann Publishers Inc., 2001. P. 362-369
Minka T. A family of algorithms for approximate Bayesian inference: Ph.D. thesis / Massachusetts Institute of Technology. 2001
Nikolenko S. I., Sirotkin A. V. Extensions of the TrueSkillTM rating system // Proceedings of the 9th International Conference on Applications of Fuzzy Systems and Soft Computing. 2010. P. 151-160
Nikolenko S. I., Sirotkin A. V. A New Bayesian Rating System for Team Competitions // Proceedings of the 28th International Conference on Machine Learning. 2011
Stein A., Aryal J., Gort G. Generalized Bradley-Terry Models and Multi-class Probability Estimates // IEEE Transactions on Geoscience and Remote Sensing. 2005. Vol. 43. P. 852-856
Tulupyev A. V., Nikolenko S. I., Sirotkin A. V. Bayesian networks: a logical probabilistic approach. St. Petersburg, Nauka, 2006. 608 p.
Wu T.-F., Lin C.-J., Weng R. C. Probability Estimates for Multi-class Classication by Pairwise Coupling // Journal of Machine Learning Research. 2004. Vol. 5. Pp. 975-1005.
Опубликован
2012-09-01
Как цитировать
Николенко, С. И., Сердюк, Д. В., & Сироткин, А. В. (2012). Байесовские рейтинг-системы с учётом дополнительной информации о результатах. Труды СПИИРАН, 3(22), 189-204. https://doi.org/10.15622/sp.22.10
Раздел
Статьи
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
