Functional norm regularization for margin-based ranking on temporal data
Primena funkcionalnih normi za regularizaciju rangiranja nad temporalnim podacima
Doktorand
Stojković, IvanMentor
Obradović, ZoranČlanovi komisije
Kovačević, BrankoVučetić, Slobodan
Đurović, Željko
Zhang, Kai
Metapodaci
Prikaz svih podataka o disertacijiSažetak
Quantifying the properties of interest is an important problem in
many domains, e.g., assessing the condition of a patient, estimating the risk of an
investment or relevance of the search result. However, the properties of interest are
often latent and hard to assess directly, making it dicult to obtain classication
or regression labels, which are needed to learn a predictive models from observable
features. In such cases, it is typically much easier to obtain relative comparison of
two instances, i.e. to assess which one is more intense (with respect to the property
of interest). One framework able to learn from such kind of supervised information
is ranking SVM, and it will make a basis of our approach...
Kvantikovanje osobina (karakteristika) od interesa je vazan problem
u mnogim domenima, npr. utvrdivanje tezine bolesti kod pacijenata, ocena rizika
investicije ili relevantnost vracenih rezultata pretrage. Medutim, osobine od interesa
su cesto latentne i tesko se mogu izmeriti direktno, sto otezava dobijanje klasikacionih
oznaka (labela) ili ciljeva za regresiju, koji su potrebni za ucenje prediktivnih
modela iz merljivih karakteristika. U takvim slucajevima obicno je mnogo lakse
pribaviti relativno poredenje dva slucaja, tj. proceniti koji od dva je intenzivniji (iz
ugla karakteristike od interesa). Jedna klasa algoritama koji mogu uciti iz ovakvih
informacija je SVM za rangiranje i on ce biti osnova ovde predlozenog pristupa...