[論文レビュー] A Maximum Likelihood Approach For Selecting Sets of Alternatives

Ariel D. Procaccia, Sashank J. Reddi+1 more|arXiv (Cornell University)|Oct 16, 2012

Multi-Criteria Decision Making参考文献 17被引用数 35

ひとこと要約

本稿では、ノイズの多い対比較からk個の代替案の部分集合を選択するための最尤推定フレームワークを提案する。目的は、最も強いアイテムを含むか、他の目的を満たす可能性が最も高いセットを特定することである。高ノイズ環境下では直感的な選択手法が最適であることが示され、古典的な順位付けと選択理論を、理論的保証と強力な実験的性能を持つ部分集合選択に一般化する。

ABSTRACT

We consider the problem of selecting a subset of alternatives given noisy evaluations of the relative strength of different alternatives. We wish to select a k-subset (for a given k) that provides a maximum likelihood estimate for one of several objectives, e.g., containing the strongest alternative. Although this problem is NP-hard, we show that when the noise level is sufficiently high, intuitive methods provide the optimal solution. We thus generalize classical results about singling out one alternative and identifying the hidden ranking of alternatives by strength. Extensive experiments show that our methods perform well in practical settings.

研究の動機と目的

• 対比較がノイズを含んでおり、かつ単一のアイテムではなくk個の代替案の部分集合を選択する必要がある状況における課題に対処すること。
• 不確実性下で、最も強い代替案を含むか、与えられた目的を満たす可能性が最も高いセットを特定すること。
• 単一のアイテムではなく複数のアイテムの集合を選択する状況に、古典的な選択と順位付け手法を一般化すること。
• 単純で直感的な選択手法が最適となる理論的条件を提供すること。
• 実際のノイズの多い比較設定において、手法の性能を実証的に評価すること。

提案手法

• ノイズの多い対比較に基づく部分集合選択問題を、最尤推定タスクとして定式化する。
• 独立同分布のノイズを伴うランダムユーティリティモデルを用いて代替案の強さをモデル化する。
• k個の代替案のうち、経験的スコアが最も高いものを選ぶことが最尤部分集合を与える条件を導出する。
• ノイズレベルが十分に高い場合に、直感的な選択戦略が理論的に最適であることを確立する。
• さまざまなノイズレベルと問題例において性能を評価するために、広範なシミュレーションを実施する。
• 候補となるk部分集合の尤度を計算し、尤度が最大のものを選ぶために確率的順位付けモデルを用いる。

実験結果

リサーチクエスチョン

• RQ1 どのような条件下で、たとえばスコアが最も高いk個のアイテムを選択するといった直感的な選択手法が、最尤k部分集合を生成するのか？
• RQ2 対比較におけるノイズレベルが、単純な選択ヒューリスティクスの最適性にどのように影響するか？
• RQ3 単一の最良アイテムを選択するための最尤アプローチを、k個のアイテムの集合を選択する状況に一般化できるか？
• RQ4 k部分集合の尤度と、代替案の真の順位付けとの間にはどのような関係があるか？
• RQ5 提案手法は、実際の実世界の比較シナリオにおいて、どれほど良好に機能するか？

主な発見

• ノイズレベルが十分に高い場合、経験的スコアが最も高いk個の代替案を選択することは、最尤フレームワーク下で理論的に最適である。
• 本手法は、単一アイテム選択に関する古典的結果を、より複雑な部分集合選択の状況に一般化する。
• 直感的なヒューリスティクスは高ノイズ環境下で最適な性能を発揮し、その使用に理論的根拠を与える。
• 実証的評価では、多様な比較ノイズレベルと問題例において優れた性能を示した。
• k部分集合の尤度は、選択されたアイテムの相対的な強さと順位付けに依存し、モデルは確率的ユーティリティフレームワークを通じてこれを捉えている。
• 理論的厳密性を保ちながらも、実世界の応用に実用的である。