Optimal Permutation Estimation in CrowdSourcing problems
众包问题中的最优排列估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：文本直接研究众包中的保序矩阵与排列恢复，未提供对应所列经济计量细分方向的证据，故保留空分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
众包问题中的最优排列估计
- 研究问题
- 面对部分观测且行排列未知的双变量保序矩阵，如何恢复行排列并估计矩阵，两项任务的难度是否相同？
- 方法与思路
- 作者在众包启发的保序矩阵模型中提出多项式时间程序，同时研究排列恢复与矩阵估计的极小极大风险。
- 材料陈述的贡献
- 摘要称程序对各种矩阵尺寸和采样投入均达到两项任务的极小极大风险，并指出某些情形下排列恢复更容易。
- 阅读关注点
- 应核对观测与噪声机制、排列损失和矩阵损失的定义，以及最优性范围、算法复杂度和难度分离条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；采样条件、风险表达式及最优性证明未提供，不能推断实际众包效果或刊本变化。
原文摘要
Motivated by crowdsourcing applications, we consider a model where we have partial observations from a bivariate isotonic n×d matrix with an unknown permutation π∗ acting on its rows. Focusing on the twin problems of recovering the permutation π∗ and estimating the unknown matrix, we introduce a polynomial-time procedure achieving the minimax risk for these two problems, this for all possible values of n, d, and all possible sampling efforts. Along the way we establish that, in some regimes, recovering the unknown permutation π∗ is considerably simpler than estimating the matrix.