[論文レビュー] Awareness of Voter Passion Greatly Improves the Distortion of Metric Social Choice

Ben Abramowitz, Elliot Anshelevich+1 more|arXiv (Cornell University)|Jun 25, 2019

Game Theory and Voting Systems参考文献 30被引用数 7

ひとこと要約

この論文は、順序付きランク付けに加えて、選挙人の好みの強さに関する最小限の基数的情報（たとえば、好みが強いか弱いか）を活用する投票メカニズムを導入し、メトリック社会選択における歪みを大幅に低減する。各選挙人に対して1ビットの好みの強さデータを追加するだけで、2人選挙では歪みが3（順序付きのみのメカニズムの場合）から1.83に低下し、複数人選挙では4.236から3.35に低下する。完全な好みの強さが分かっている場合には、歪みは√2および2にまで低下し、ほぼ最適に近い性能を達成する。

ABSTRACT

We develop new voting mechanisms for the case when voters and candidates are located in an arbitrary unknown metric space, and the goal is to choose a candidate minimizing social cost: the total distance from the voters to this candidate. Previous work has often assumed that only ordinal preferences of the voters are known (instead of their true costs), and focused on minimizing distortion: the quality of the chosen candidate as compared with the best possible candidate. In this paper, we instead assume that a (very small) amount of information is known about the voter preference strengths, not just about their ordinal preferences. We provide mechanisms with much better distortion when this extra information is known as compared to mechanisms which use only ordinal information. We quantify tradeoffs between the amount of information known about preference strengths and the achievable distortion. We further provide advice about which type of information about preference strengths seems to be the most useful. Finally, we conclude by quantifying the ideal candidate distortion, which compares the quality of the chosen outcome with the best possible candidate that could ever exist, instead of only the best candidate that is actually in the running.

研究の動機と目的

• 従来、順序付き好みのみを仮定するが、わずかな基数的好みの強さ情報が、メトリック社会選択における歪みをどれだけ低減できるかを調査すること。
• 好みの強さ情報の量と達成可能な歪みの間のトレードオフを定量化すること。
• 好みの強さ情報の種類（たとえば、好みの強さの閾値）の中で、歪みを最小化するために最も効果的なものを見つけること。
• 理想候補歪みという概念を導入・分析すること。これは、実際に立候補している候補者だけでなく、最良の候補者（たとえ立候補していないものであっても）と比較することで、歪み測度のロバスト性を高めるものである。

提案手法

• 論文は、任意の未知のメトリック空間に存在する選挙人および候補者をモデル化し、選挙人の好みを候補者との距離から導出する。
• 好みの強さを考慮した新しい歪み測度を導入し、αᵢᴾᴼ = d(i,O)/d(i,P) として定義する。これは、OをPよりも選ぶ際の相対的コストを表す。
• 強い好み（高いαᵢᴾᴼ）を持つ選挙人に高い重みを割り当てる重み付き多数決ルールを用い、結果の質を向上させる。
• 好みの強さを分類するための閾値τ₁ < τ₂ < … < τₘを定義し、これらを用いて歪みを最小化する重み付き多数決ルールを構築する。
• 理論的限界を証明し、閾値を用いた重み付き多数決ルールで勝利する候補者の社会的コストが、最良の候補者および理想候補者に対して相対的に有界であることを示す。
• 理想候補歪みの概念を導入し、実際に立候補している候補者だけでなく、最良の候補者（たとえ立候補していないものであっても）と比較することで、性能評価のロバスト性を高める。

実験結果

リサーチクエスチョン

• RQ1 順序付きランク付けに加えて、1人あたり1ビットの好みの強さ情報が得られる場合、歪みはどの程度低減できるか？
• RQ2 使用する好みの強さの閾値の数と、社会選択メカニズムにおける歪みの間のトレードオフは何か？
• RQ3 相対的な好みの強さの閾値など、好みの強さ情報のどの種別が歪みの低減に最も効果的か？
• RQ4 理想候補歪みの概念は、従来の歪み測度よりも、メトリック社会選択における性能評価をよりロバストにするか？
• RQ5 完全な好みの強さ情報が利用可能な場合、歪み低減の理論的限界は何か？

主な発見

• 順序付き好みのみを用いる場合、決定的メカニズムの最良の歪みは3であり、どの決定的メカニズムでもこれより良い結果を得ることはできない。
• 1つの追加ビットの好みの強さ情報（たとえば、好みが強いか弱いか）を追加するだけで、2人選挙では歪みが1.83に低下する。
• 複数人選挙では、順序付きデータのみの場合の歪み4.236が、1つの閾値を用いることで3.35に低下する。
• すべての好みの強さが分かっている場合、2人選挙では歪みが√2に、複数人選挙では2にまで低下し、ほぼ最適な性能を達成する。
• 理想候補歪み測度は、歪みが低くても、利用可能な候補者が質が低い場合、最適解から大きく離れている可能性があることを示しており、候補者の質と選択の正確性の間の根本的なトレードオフを明らかにする。
• 複数の閾値を用いることで歪みはさらに低減されるが、その効果は次第に小さくなる。これは、1つか2つの適切に選ばれた閾値が、コストパフォーマンスの観点で最良のバランスを提供することを示唆する。