CARON, Francois; TEH, Yee Whye

Métadonnées

Afficher la notice complète

Licence d’utilisation du document

CARON, Francois
Advanced Learning Evolutionary Algorithms [ALEA]
Institut de Mathématiques de Bordeaux [IMB]

TEH, Yee Whye
Department of Statistics [Oxford]

Langue

Communication dans un congrès

Ce document a été publié dans

NIPS - Neural Information Processing Systems, 2012-12, Lake Tahoe. 2012-12

MIT Press

Résumé

On s'intéresse dans ce rapport à une extension bayésienne non paramétrique du modèle de Plackett-Luce pour les données de rang, pouvant traiter un nombre potentiellement infini d'éléments. Notre cadre se base sur la théorie des mesures complètement aléatoires, avec comme a priori un processus de gamma. Nous dérivons une caractérisation de la loi a posteriori et un échantillonneur de Gibbs simple pour approcher la loi a posteriori. Nous développons également une version dynamique de notre modèle, et l'appliquons aux listes hebdomadaires des 20 meilleures ventes du New York Times.< Réduire

Résumé en anglais

We develop a Bayesian nonparametric extension of the popular Plackett-Luce choice model that can handle an infinite number of choice items. Our framework is based on the theory of random atomic measures, with the prior specified by a gamma process. We derive a posterior characterization and a simple and effective Gibbs sampler for posterior simulation. We develop a time-varying extension of our model, and apply it to the New York Times lists of weekly bestselling books.< Réduire

Mots clés en anglais

choice models

generalized Bradley-Terry model

Plackett-Luce model

gamma process

Markov Chain Monte Carlo

Origine

Importé de hal

Unités de recherche

Institut de Mathématiques de Bordeaux (IMB) - UMR 5251