Core Concepts
비매개변수 선택 모델을 능동 학습을 통해 효율적으로 추정할 수 있는 방법을 제시한다.
Abstract
이 논문은 비매개변수 선택 모델을 능동 학습을 통해 추정하는 문제를 다룬다.
먼저, 이러한 선택 모델이 식별 불가능할 수 있다는 부정적인 결과를 보여준다. 이를 극복하기 위해 방향성 비순환 그래프(DAG) 표현을 도입한다. DAG 표현은 이용 가능한 데이터로부터 추론할 수 있는 선택 모델에 대한 모든 정보를 인코딩한다.
정확한 선택 확률이 주어진 경우, 효율적인 알고리즘으로 DAG를 구축할 수 있음을 보인다. 그러나 실제로는 노isy한 선택 빈도 데이터만 이용 가능하므로, 이 경우 오차 전파 문제가 발생한다. 이를 해결하기 위해 포함-배제 접근법을 사용하여 DAG를 더 정확하게 추정하는 알고리즘을 제안한다.
제안된 알고리즘은 자주 등장하는 선호도 유형이 균일하게 무작위로 추출되는 경우 다항식 시간 내에 작동한다. 이 알고리즘은 능동 학습을 통해 소비자 행동을 모델링하는 데 효과적이라는 것을 실험을 통해 보여준다.
Stats
소비자 유형의 상위 n0개 항목을 정확도 ϵ 내에서 학습하는 데 필요한 쿼리 수는 n, 1/κ, 1/ϵ, 1/δ의 다항식이다.
자주 등장하는 선호도 유형이 균일하게 무작위로 추출되는 경우, 알고리즘의 시간 복잡도는 다항식이다.
Quotes
"비매개변수 선택 모델은 오프라인 거래 데이터만으로는 추정하기 어려운데, 이는 데이터에 충분한 변동성이 없기 때문이다."
"능동 학습을 통해 데이터 수집 과정에 영향을 줄 수 있다면, 비매개변수 선택 모델을 더 효과적으로 추정할 수 있을 것이다."