Mila > Publication > Generic Methods to Improve Training and Generalization > A Framework for Optimizing Paper Matching

Framework for Paper Matching

Generic Methods to Improve Training and Generalization
Juil 2011

A Framework for Optimizing Paper Matching

Juil 2011

Au cœur de nombreuses conférences scientifiques se trouve le problème de la correspondance entre les articles soumis et les examinateurs appropriés. Arriver à une bonne mission est un défi majeur et important pour tout organisateur de conférence. Dans cet article, nous proposons un cadre permettant d’optimiser les affectations de papiers aux relecteurs. Notre cadre utilise des scores d’aptitude pour mesurer l’affinité par paire entre les articles et les relecteurs. Nous montrons comment l’apprentissage peut être utilisé pour déduire des scores d’aptitude à partir d’un petit ensemble de scores fournis, réduisant ainsi le fardeau des critiques et des organisateurs. Nous définissons le problème d’affectation comme un programme entier et proposons plusieurs variantes pour le domaine de correspondance papier-relecteur. Nous explorons également les interactions entre apprentissage et correspondance. Des expériences sur deux ensembles de données de conférence examinent la performance de plusieurs méthodes d’apprentissage ainsi que l’efficacité des formulations correspondantes.

Reference

Laurent Charlin, Richard S. Zemel, Craig Boutilier, A Framework for Optimizing Paper Matching, in: Uncertainty in Artificial Intelligence (UAI), 2011

PDF

Linked Profiles