[論文レビュー] Competitive analysis of the top-K ranking problem

Xi Chen, Sivakanth Gopi+2 more|arXiv (Cornell University)|Jan 16, 2017

Game Theory and Voting Systems被引用数 18

ひとこと要約

本稿では、強い確率的推移性（SST）ノイズモデル下でのトップ-K順序付け問題に対して、線形時間アルゴリズムを提示しており、競合比O(√K)を達成している。これは、先行研究のO(n)の競合比と比べて顕著に向上している。本研究では、この上限がタイトであることを示しており、いかなるアルゴリズムでも√Kより良い競合比を達成することは不可能であることを証明している。

ABSTRACT

Motivated by applications in recommender systems, web search, social choice and crowdsourcing, we consider the problem of identifying the set of top K items from noisy pairwise comparisons. In our setting, we are non-actively given r pairwise comparisons between each pair of n items, where each comparison has noise constrained by a very general noise model called the strong stochastic transitivity (SST) model. We analyze the competitive ratio of algorithms for the top-K problem. In particular, we present a linear time algorithm for the top-K problem which has a competitive ratio of [EQUATION]; i.e. to solve any instance of top-K, our algorithm needs at most [EQUATION] times as many samples needed as the best possible algorithm for that instance (in contrast, all previous known algorithms for the top-K problem have competitive ratios of O(n) or worse). We further show that this is tight: any algorithm for the top-K problem has competitive ratio at least [EQUATION].

研究の動機と目的

• レコメンデーションシステムやウェブ検索で一般的な、ノイズのある対比較が生じる設定におけるトップ-K順序付け問題に対処すること。
• 強い確率的推移性（SST）ノイズモデル下での対比較の文脈において、アルゴリズムの競合比を分析すること。
• 任意のインスタンスに対して、最適アルゴリズムに比べて比較回数を最小限に抑えるアルゴリズムを設計すること。
• SSTモデル下でのトップ-K問題における、競合比のタイトな下界と上界を確立すること。

提案手法

• アルゴリズムは、SSTモデルの構造を活用することで、アイテムペアあたりr回の対比較から順序を効率的に推定し、線形時間で動作する。
• 順序の曖昧さを解消する可能性の高い比較を優先するサンプリング戦略を採用し、重複する照会を削減する。
• 競合比は、同じインスタンスに対して任意の最適アルゴリズムが最小で必要とする比較回数と、本アルゴリズムが使用する比較回数を比較することで分析する。
• SST制約下でトップ-Kアイテムを特定するために必要な比較回数を制限する、新しい組合せ的議論に依拠している。
• 動的集合としての候補トップ-Kアイテムを維持し、比較結果に基づいて順位が低いアイテムを段階的に除外する。
• 重要な技術的要素として、最小限の比較回数で最終的なトップ-K選択に高い信頼性を保証するしきい値機構を用いている。

実験結果

リサーチクエスチョン

• RQ1 強い確率的推移性（SST）ノイズモデル下でのトップ-K順序付け問題に対して、いかなるアルゴリズムでも達成可能な最良の競合比は何か？
• RQ2 この設定において、線形時間アルゴリズムがO(n)より優れた競合比を達成できるか？
• RQ3 O(√K)の競合比はタイトか、それ以上に改善可能か？
• RQ4 SSTモデルの構造は、一般のノイズモデルと比較して、どのようにより効率的なトップ-K特定を可能にするか？
• RQ5 SST下で、トップ-Kアイテムの正しく特定を保証するために必要な最小比較回数は何か？

主な発見

• 提案されたアルゴリズムは、O(√K)の競合比を達成しており、すべての先行アルゴリズムのO(n)の競合比と比べて顕著な改善である。
• O(√K)の競合比がタイトであることが証明されており、トップ-K問題に対するいかなるアルゴリズムでも、少なくともΩ(√K)の競合比を有する必要がある。
• アルゴリズムは線形時間で動作するため、ウェブ検索やレコメンデーションシステムなどの大規模応用にスケーラブルである。
• 解析は、現実の比較行動を広く捉えることができる一般の強い確率的推移性（SST）ノイズモデル下でも有効である。
• アルゴリズムはアイテムペアあたりr回の対比較のみを要し、SSTフレームワーク内でのノイズに対して耐性がある。
• 結果として、悪意のあるノイズ制約下でも、最小限のサンプリングで効率的なトップ-K順序付けの理論的基盤が確立された。