论参议员的投票排名
On Ranking Senators By Their Votes
摘要：
在给定某种相似性度量的情况下对一组对象进行排序的问题是机器学习中最基本的问题之一。最近，Agarwal提出了一种基于半监督学习技术的方法，利用图拉普拉斯算子。在这项工作中，我们认为这种技术的一种新的应用，排名二进制选择数据，并将其具体应用于美国参议员的排名，他们的意识形态。
英文摘要：
The problem of ranking a set of objects given some measure of similarity is one of the most basic in machine learning. Recently Agarwal proposed a method based on techniques in semi-supervised learning utilizing the graph Laplacian. In this work we consider a novel application of this technique to ranking binary choice data and apply it specifically to ranking US Senators by their ideology.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
