[論文レビュー] Decentralized Ranking Aggregation: Gossip Algorithms for Borda and Copeland Consensus

Anna Van Elst, Kerrian Le Caillec+2 more|arXiv (Cornell University)|Feb 26, 2026

Game Theory and Voting Systems被引用数 0

ひとこと要約

本論文は、BordaおよびCopelandの合意ランキングを計算する、ゴシップベースの分散アルゴリズムを開発・分析し、収束保証とロバスト性を検討する。

ABSTRACT

The concept of ranking aggregation plays a central role in preference analysis, and numerous algorithms for calculating median rankings, often originating in social choice theory, have been documented in the literature, offering theoretical guarantees in a centralized setting, i.e., when all the ranking data to be aggregated can be brought together in a single computing unit. For many technologies (e.g. peer-to-peer networks, IoT, multi-agent systems), extending the ability to calculate consensus rankings with guarantees in a decentralized setting, i.e., when preference data is initially distributed across a communicating network, remains a major methodological challenge. Indeed, in recent years, the literature on decentralized computation has mainly focused on computing or optimizing statistics such as arithmetic means using gossip algorithms. The purpose of this article is precisely to study how to achieve reliable consensus on collective rankings using classical rules (e.g. Borda, Copeland) in a decentralized setting, thereby raising new questions, robustness to corrupted nodes, and scalability through reduced communication costs in particular. The approach proposed and analyzed here relies on random gossip communication, allowing autonomous agents to compute global ranking consensus using only local interactions, without coordination or central authority. We provide rigorous convergence guarantees, including explicit rate bounds, for the Borda and Copeland consensus methods. Beyond these rules, we also provide a decentralized implementation of consensus according to the median rank rule and local Kemenization. Extensive empirical evaluations on various network topologies and real and synthetic ranking datasets demonstrate that our algorithms converge quickly and reliably to the correct ranking aggregation.

研究の動機と目的

• データがネットワーク全体に分散しており中央サーバを持たない状況で、ランキング集約において分散合意を達成する方法を研究する。
• ローカルな相互作用を用いて、BordaおよびCopelandの合意を計算するゴシップベースのアルゴリズムを開発する。
• 提案手法に対する理論的な収束保証とレート境界を提供する。
• 破損ノードに対するロバスト性を評価し、分散手法を集中型ベンチマークと比較する。

提案手法

• 局所平均化を通じて各アイテムのスコア（Bordaスコアおよび対のCopeland成分）を推定するためのランダム化ゴシップを用いる。
• 推定スコアを局所的にソートしてコンセンサス置換を得ることで、スコア推定と最終ランキングをデカップリングする。
• ネットワークのスペクトルギャップに結びつく指数的収束率を用いて、BordaおよびCopelandの集計に対する収束を証明する。
• 分散フットルール（中央値ランク）およびローカル・ケメナイズationを追加のコンセンサス規則として拡張する。
• 収束とロバスト性を示すため、ネットワークトポロジーとランキングデータセットを横断して実証的検証を行う。

(a) MSE of Borda/Footrule scores

実験結果

リサーチクエスチョン

• RQ1 分散エージェントは局所的な通信だけを用いて正しいBordaまたはCopelandの合意に到達できるか。
• RQ2 分散ランキング合意を支配する収束速度と要因（例：ネットワークの連結性）は何か。
• RQ3 破損または敵対的入力に対する分散ランキング手法のロバスト性はどの程度か。
• RQ4 異なるデータ生成モデルに対して、分散手法は実務的に集中ベースラインとどのように比較されるか。
• RQ5 局所的なケメナイズーションまたはフットルールアプローチの取り込みが分散化に与える影響は何か。

主な発見

• ゴシップベースの平均化は、ネットワークのスペクトルギャップによって決まる指数的な速さで真のBordaとCopelandランキングへ収束する推定を生み出す。
• 異なるスコアギャップと厳密な確率転移性仮定の下でも収束保証が成り立ち、明確なレート境界が示される。
• ローカルケメナイズationと分散フットルールは、ロバスト性重視および中央値ベースの合意へ枠組みを拡張する。
• ネットワークトポロジーと実データ/合成データセットに跨る実証実験が、正しいランキングへの高速かつ信頼性の高い収束を検証する。
• ロバスト性分析は、汚染に対するKemeny、Copeland、Mallowsベースのシナリオの耐性が異なることを示す。
• 理論的・経験的結果は、分散システムにおける principled な完全分散型集合意思決定を支持する。

(b) MSE of pairwise scores