Expertise Trees Resolve Knowledge Limitations in Collective Decision-Making

要約

タイトル：専門知識ツリーは、集団意思決定における知識上の制限を解決する

要約：

– 意思決定のアドバイザリーを行う専門家は、問題に応じて変化する専門知識を持っているため、少数派の場合にはサブオプティマルな意思決定や差別的な意思決定につながる可能性がある。
– この研究では、専門家の専門知識の深さと幅の変化を問題空間を分割することでモデル化することを提案している。
– 既存のアルゴリズムが不十分であった一連の問題に対して、新しいアルゴリズムを提供し、問題インスタンスと専門家の知識の関係を明示的に考慮する。
– 最初に提案された最近傍クエリに基づくナイーブなアプローチの欠点を指摘し、その欠点に対処するために、意思決定ツリーを構築する専門知識ツリーという新しいアルゴリズムを紹介する。
– 理論的な洞察力を提供し、我々の新しいアプローチの改善されたパフォーマンスをさまざまな問題について実証的に検証する。

要約(オリジナル)

Experts advising decision-makers are likely to display expertise which varies as a function of the problem instance. In practice, this may lead to sub-optimal or discriminatory decisions against minority cases. In this work we model such changes in depth and breadth of knowledge as a partitioning of the problem space into regions of differing expertise. We provide here new algorithms that explicitly consider and adapt to the relationship between problem instances and experts’ knowledge. We first propose and highlight the drawbacks of a naive approach based on nearest neighbor queries. To address these drawbacks we then introduce a novel algorithm – expertise trees – that constructs decision trees enabling the learner to select appropriate models. We provide theoretical insights and empirically validate the improved performance of our novel approach on a range of problems for which existing methods proved to be inadequate.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI