Pairwise Ranking Aggregationについて
前置き
この記事はカレーのち ぴょこりんクラスタ Advent Calendar 2018 - Adventarのために書かれたものです。ちなみにこのACが何なのかについては、ぴょこりんクラスタ Advent Calendar is 何? - ぴょこりんブログが詳しいです。
サマリ
本文
論文の内容
データから順序関係を学習することを目的とする。例えば、画像が10枚あったとして、(画像1)>(画像10)>...>(画像8)のような好みのランキングを学習することが目的。
この論文はCrowdSouringによりデータを取得することを目的とする。問題設定には以下のように反映される。
- 評価者の負荷を鑑み、入力を2オブジェクト間の比較結果(一対比較)の組とする。すなわち画像が10枚あったときに10枚すべての順序関係ではなく、(画像1)>(画像7)のような1対の比較を入力とする。
- 適当に入力するspammerがいることを前提とする。この評価者はあてにならないみたいことがある。
詳細は論文にゆずるが
- 評価者kが順序関係を正しく評価する確率を
とする。
順序関係をつけるべきオブジェクト、評価者K人がいたもとで、
入力データである(評価者, 一対比較結果)の組に対して正則化付き対数尤度
を最大化することで、パラメータを推定する。
(は正則化に関わるパラメータ、は評価者iによる一対比較結果の集合)
第一項が対数尤度、第二項が正則化項。
なお、論文では、逐次的な入力に対するオンライン推定についても提案しているが、今回の実装は一括での推定である。
実装
試しに遊んでみるデータとしてsushi preference datasetを用いる。
www.kamishima.net
2種類のアイテム集合に対するデータセットがあるが、今回はAのもの(sushi3a.5000.10.order)を用いる。
これは10種類の寿司ネタの好みのランキングを含んだデータセットである。
0 10 5 0 3 4 6 9 8 1 7 2
0 10 0 9 6 3 7 2 8 1 5 4
0 10 7 0 2 3 8 4 5 1 9 6
1行が1人に対応、最初の0はヘッダ、次は集合の要素数10、以降が寿司ネタ好みのランキングである。
ちなみに寿司ネタのidは
である。
これだと今回の問題設定に合わないので、(情報量は落ちるが)一対比較の組として作りなおす。
github.com
0 0 2
0 1 2
0 5 4
0 8 1
0 4 2
のような(評価者、一対比較結果)の形に変換した。一対比較はもとのデータセットからランダムに2つ選択して生成した。
試しに評価者20人、1人あたり30組の一対比較結果をサンプルして、手法を適用してみた。
ソース下記。
github.com
#評価者が正しく評価する確率
[0.43379004 0.22232044 0.79776574 1. 0.19814816 0.22618328
1. 0.33754379 0.82956798 0.42050427 0.63106899 0.94282202
1. 0.5472771 0.74122849 1. 0.41946646 1.
0.96373038 1. ]
#学習されたランキング:
[7 4 5 1 0 3 2 8 6 9]
とろ、ウニ、いくらが上位とあるように、なんとなくみんなの好みにあった結果になっているように見える。
例として、正しく評価する確率が低い(が低い)評価者の内容を、元データから眺めると、
0 10 0 9 6 3 7 2 8 1 5 4
確かに、えびが1位、かっぱ巻が2位で好みの傾向が異なるので、それっぽく挙動しているように思う。
備考
- 定式化のすっきり度合がすごい好み。
- この手法は明確な正解があるケースを前提としているように思い、今回のように評価がばらけるようなタスクだとちょっと違うのかなあと思った。
- 最適化はscipyで1発だったのでしゅごい。