PeerNomination: Relaxing Exactness for Increased Accuracy in Peer Selection
PeerNomination: Relaxing Exactness for Increased Accuracy in Peer Selection
复制标题
PeerNomination：放松精确性以提高同行选择的准确性
DOI：
10.24963/ijcai.2020/55
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Stanislav Zhydkov
中科院分区：
文献类型：
--
作者：
Nicholas Mattei;P. Turrini;Stanislav Zhydkov
在同伴中，选择代理必须选择自己的子集进行奖励或奖品。由于代理人是自私的，我们想设计公正的算法，以便单个代理人不能影响自己被选中的机会。这个问题在资源分配和机制设计中具有广泛的应用，并在人工智能文献中受到了极大的关注。在这里，我们提出了一种新颖的算法，用于选择公正的同伴选择，peernomination，并提供了对其准确性的理论分析。我们的算法具有各种理想的特征。特别是，它不需要像文献中的先前算法那样对代理进行明确的分区。我们从经验上表明，它的准确性比几个指标的退出算法更高。
In peer selection agents must choose a subset of themselves for an award or a prize. As agents are self-interested, we want to design algorithms that are impartial, so that an individual agent cannot affect their own chance of being selected. This problem has broad application in resource allocation and mechanism design and has received substantial attention in the artificial intelligence literature. Here, we present a novel algorithm for impartial peer selection, PeerNomination, and provide a theoretical analysis of its accuracy. Our algorithm possesses various desirable features. In particular, it does not require an explicit partitioning of the agents, as previous algorithms in the literature. We show empirically that it achieves higher accuracy than the exiting algorithms over several metrics.
NIPS 2016审核流程的设计与分析
影响因子：
6
作者：
Shah, N. B.;Tabibian, B.;Muandet, K.;Guyon, I.;Von Luxburg, U.
通讯作者：
Von Luxburg, U.
你的 2 是我的 1，你的 3 是我的 9：处理评级中的任意错误校准
DOI：
--
发表时间：
2019
期刊：
AAMAS Conference proceedings
影响因子：
--
作者：
Wang, J;Shah, N
通讯作者：
Shah, N