用户模型的指向性实验设计和参数估计的摊销
摘要：用户模型在交互设计中起着重要作用，支持交互设计选择的自动化。为了做到这一点，必须从用户数据中估计模型参数。尽管有时需要非常大量的用户数据，但最近的研究已经表明，可以设计实验以尽可能高效地收集数据并推断参数，从而将数据要求降到最低。在本文中，我们研究了这些方法的一个变种，通过训练一种策略来选择与模拟参与者设计实验，从而分担了设计实验的计算成本。我们的解决方案通过与从模型空间中采样的模拟代理交互，使用合成数据而不是大量的人类数据，学习哪些实验提供对参数估计最有用的数据。该方法被用于三个逐渐复杂的指向模型的演示。
作者：Antti Keurulainen, Isak Westerlund, Oskar Keurulainen, Andrew Howes
论文ID：2307.09878
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-07-20