8719 articles  [english version]

hal-00730792, version 1

Bayesian nonparametric models for ranked data

Francois Caron (, http://www.math.u-bordeaux1.fr/~fcaron/) a12, Yee Whye Teh (http://www.stats.ox.ac.uk/~teh/) b3

NIPS - Neural Information Processing Systems (2012)

  • a –  INRIA
  • b –  Oxford University
  • 1 :  ALEA (INRIA Bordeaux - Sud-Ouest)

  • INRIA – Université de Bordeaux – CNRS : UMR5251 France
  • 2 :  Institut de Mathématiques de Bordeaux (IMB)
  • http://www.math.u-bordeaux.fr/IMB/
    CNRS : UMR5251 – Université Sciences et Technologies - Bordeaux I – Université Victor Segalen - Bordeaux II 351 cours de la Libération 33405 TALENCE CEDEX France
  • 3 :  Department of Statistics [Oxford]

  • University of Oxford 1 South Parks Road, Oxford OX1 3TG, UK Royaume-Uni

Références bibliographiques

  • Type de publication : Communications avec actes
  • Domaine :
    Statistiques/Machine Learning
    Statistiques/Méthodologie
  • Titre : Bayesian nonparametric models for ranked data
  • Résumé : 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.
  • Résumé français : 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.
  • Langue du document : Anglais
  • Date de publication : 12/2012
  • Audience : internationale
  • Titre conférence : NIPS - Neural Information Processing Systems
  • Ville : Lake Tahoe
  • Pays : États-Unis
  • Date conférence : 12/2012
  • Editeur commercial : MIT Press
  • Mots-clés : choice models – generalized Bradley-Terry model – Plackett-Luce model – gamma process – Markov Chain Monte Carlo
  • Référence interne : RR-8140

Liste des fichiers attachés à ce document :

TEX
RR-8140.bbl(4.7 KB)
logo-inria.png(275.1 KB)
NIPS2012_INRIA_RR_supp.tex(12.3 KB)
pagei.png(26.9 KB)
RR-8140.tex(61.8 KB)
RR.sty(14.9 KB)
rrpage1.png(47.6 KB)
figures
CRM.pdf(18.6 KB)
hardcoverfiction.png(43.6 KB)
infPL01.pdf(4 KB)
infPL1.pdf(4.1 KB)
infPL3.pdf(4.1 KB)
paperbacknonfiction.pdf(10 KB)
sampleprior.pdf(70.3 KB)
samplepriornorm.pdf(88.3 KB)
PDF
RR-8140.pdf(883.5 KB)
 
  • hal-00730792, version 1
  • oai:hal.inria.fr:hal-00730792
  • Contributeur : 
  • Soumis le : Dimanche 18 Novembre 2012, 20:15:29
  • Dernière modification le : Lundi 19 Novembre 2012, 08:40:54