@article{oai:ipsj.ixsq.nii.ac.jp:00219071,
 author = {南部, 優太 and 幸島, 匡宏 and 山本, 隆二 and Yuta, Nambu and Masahiro, Kohjima and Ryuji, Yamamoto},
 issue = {3},
 journal = {情報処理学会論文誌数理モデル化と応用（TOM）},
 month = {Jul},
 note = {画像や音声の品質評価や感情推定のために収集されたデータ，プライバシ保護のために加工されたアンケート回答などは，2つのサンプルの目的変数の順序関係（画像の品質の高さや被験者の感情の大きさ，アンケート回答者の年収の順序など）を表す一対比較データの形式でしばしば与えられる．このデータから任意のサンプルの大小関係を予測するモデルを学習することが目的の場合，既存の様々なランキング学習の手法を利用することが可能である．しかしながら，一対比較データには目的変数の値そのものは記録されていないため，これらの手法を用いても目的変数を予測する回帰モデルの学習はできなかった．そこで本研究は，目的変数の周辺分布の分位数に関する情報（品質/感情の大きさの5段階評価で，画像全体の50%は評価値3以下，被験者の75%は評価値4以下など）が利用可能であるという条件のもと，一対比較データから回帰モデルを学習させる新しい手法を提案する．提案手法は，モデル出力と分位数を用いて計算される正則化項とランキング学習の損失関数の和を最小化することでモデルのパラメタを推定する．人工データおよび実データを用いた実験により提案手法の有用性を検証した．, Various types of data such as subjective evaluation data for e.g., quality assessment of images and questionnaire response data processed for privacy protection are often given in the form of pairwise comparison data, which represent the ordinal relationship between the target variables of two samples. A classification model that predicts the ordering relationship of arbitrary sample can be estimated by existing learning to rank methods using the pairwise comparison data. However, it is not possible to use these methods to learn a regression model that predicts target variables since the specific values of target variables are not provided in the data. In this study, we propose a novel method for learning regression models from pairwise comparison data under the condition that the quantiles of the target variable are available. The proposed method estimates the parameters of the model by minimizing the sum of the loss term computed using the pairwise comparison data and the regularization term computed using the quantile of the target variable and model outputs. The effectiveness of the proposed method is confirmed by the numerical experiments.},
 pages = {19--28},
 title = {一対比較データと目的変数分布の分位数を用いた回帰モデルの学習},
 volume = {15},
 year = {2022}
}