| 12345678910111213141516171819202122232425262728293031323334353637 |
- ** ミーティング
- *** 対話の引用部分
- ノードS〜ノードD 間のリンク集合 Ｌ だけでなく、
- ノードS〜ノードD_n間のリンク集合 L_n (1 <= n <= N, N はノードSの隣接ノード数)がそれぞれ入力される。
- ノードS〜ノードD_n間の重要度 I_n (0〜1 の値) が入力として与えられる。
- 総バウンスコスト C が入力として与えられる。
- この時、ノードS〜ノードD_n のノードペアの中で、
- K 個のノードペア (S, D_s_1), (S, D_s_2), ... (S, D_s_K) における
- 忠実度が最大のリンクをそれぞれ発見する。
- ただし、発見するリンクのノードペア数 K は、
- 重要度と忠実度の積の総和、つまり
- I = \sum_{k = 1}^K I_s_k * F_s_k
- が最大となるように定める。
- ここで F_n は (S, D_n) 間において忠実度の最大のリンクの忠実度である。
- A. この拡張問題は、複数のノードペア (S, Dₙ) に対して、限られたリソース（バウンスコスト）の中で、重要なノードペアの
- 高忠実度リンクを選定する最適化問題です。以下に、この問題の形式的な定義
- を記述します。
- *** 考えたこと
- - 先生のストーリー案に関するchatGPTとの対話をもう1度読みなおした
- - 現状の評価指標では、 **発見するリンクのノードペア数 K** は、重要度と忠
- 実度の積の総和、つまりI =\sum_{k = 1}^K I_s_k * F_s_kが最大となるよ
- うに定める。という部分の **発見するリンク** の定義をしていない。
- - societyではリンク価値を定義し、それとバウンスの積をとることでその価
- 値スコアを最大化する問題として解いていた
- - しかしこの方法では発見するリンクを動的に決めることはできない
- - また、評価指標を最大化するような分配方法が最も価値が高いリンクに全
- 測定予算を配ることであり、これは測定精度と資源削減のトレードオフを
- 考えていると言えない
- - そこで、これらの問題を解決する評価指標として信頼区間幅UB,LBを用いた
- 評価指標を導入する案を考えた。(UB,LBは推定忠実度の上限、下限)
- - 将来的には信頼区間幅がある閾値 x よりも小さいリンクを何本発見できた
- かというような指標を考えている
-
-
|
