[論文レビュー] Dynamic Ranking with the BTL Model: A Nearest Neighbor based Rank Centrality Method

Eglantine Karlé, Hemant Tyagi|arXiv (Cornell University)|Sep 28, 2021

Topological and Geometric Data Analysis参考文献 25被引用数 4

ひとこと要約

本稿は、時間変化する順位付けを扱う動的BTLモデルに基づく、最近傍重み付きランクセンタリティ手法を用いた動的順位付け手法を提案する。時間変化するアイテム強度を推定するために、進化する対比較グラフから、Erdös-Rényiグラフ仮定の下で非漸近的 $ε_2$ および $ε_\infty$ の誤差バウンドを確立し、時間経過に伴う動的アイテム順位の推定において一貫性を示す。

ABSTRACT

Many applications such as recommendation systems or sports tournaments involve pairwise comparisons within a collection of $n$ items, the goal being to aggregate the binary outcomes of the comparisons in order to recover the latent strength and/or global ranking of the items. In recent years, this problem has received significant interest from a theoretical perspective with a number of methods being proposed, along with associated statistical guarantees under the assumption of a suitable generative model. While these results typically collect the pairwise comparisons as one comparison graph $G$, however in many applications - such as the outcomes of soccer matches during a tournament - the nature of pairwise outcomes can evolve with time. Theoretical results for such a dynamic setting are relatively limited compared to the aforementioned static setting. We study in this paper an extension of the classic BTL (Bradley-Terry-Luce) model for the static setting to our dynamic setup under the assumption that the probabilities of the pairwise outcomes evolve smoothly over the time domain $[0,1]$. Given a sequence of comparison graphs $(G_{t'})_{t' \\in \\mathcal{T}}$ on a regular grid $\\mathcal{T} \\subset [0,1]$, we aim at recovering the latent strengths of the items $w_t^* \\in \\mathbb{R}^n$ at any time $t \\in [0,1]$. To this end, we adapt the Rank Centrality method - a popular spectral approach for ranking in the static case - by locally averaging the available data on a suitable neighborhood of $t$. When $(G_{t'})_{t' \\in \\mathcal{T}}$ is a sequence of Erd\\"os-Renyi graphs, we provide non-asymptotic $\\ell_2$ and $\\ell_{\\infty}$ error bounds for estimating $w_t^*$ which in particular establishes the consistency of this method in terms of $n$, and the grid size $\\lvert\\mathcal{T}\ vert$. We also complement our theoretical analysis with experiments on real and synthetic data.

研究の動機と目的

• 時間経過に伴い変化する対比較グラフを伴う動的順位付けの文脈において、理論的保証が不足している問題に対処すること。
• 静的ランクセンタリティ手法を、BTLモデル下での時間変化するアイテム強度を想定した動的設定に拡張すること。
• 時間依存のアイテム強度 $w_t^*$ の推定に対して、非漸近的 $ε_2$ および $ε_\infty$ の誤差バウンドを提供すること。
• 局所平均化と和集合の不等式を用いて、時間区間 $[0,1]$ 全体にわたる一様な一貫性を保証すること。
• 合成データおよび実世界のデータを用いた実験的検証を通じて、手法の有効性を検証すること。

提案手法

• 時間 $t$ の近傍における比較データを局所的に平均化することで、静的ランクセンタリティスペクトル法を拡張し、最近傍カーネルを用いる。
• 時間 $t$ の周囲の時間窓内における比較グラフ $G_{t'}$ をもとに、各時間 $t$ で推定遷移行列 $\widehat{P}(t)$ を構築する。
• 各時間 $t$ における推定順位ベクトル $\widehat{\pi}(t)$ を、$\widehat{P}(t)$ の最大固有ベクトルを用いて推定する。
• 時間区間 $[0,1]$ 全体にわたる一様誤差バウンドを確立するため、$O(T)$ 個の時間点における和集合の不等式を適用する。
• アイテム強度の滑らかな時間的変化を仮定し、比較グラフをErdös-Rényi確率的グラフの実現とみなす。
• 推定誤差の時間的変動を制御するため、真の順位ベクトル $\pi^*(t)$ に対してリプシッツ連続性の仮定を採用する。

実験結果

リサーチクエスチョン

• RQ1 滑らかな時間的変化を伴う動的BTLモデルにおいて、スペクトル順位付け手法を時間変化するアイテム強度の推定に適応可能か？
• RQ2 動的設定における推定順位ベクトルに対して、非漸近的誤差バウンドをどのように導出できるか？
• RQ3 時間の近傍における局所平均化は、動的順位付け推定の一貫性と精度にどのように影響するか？
• RQ4 最近傍ランクセンタリティ手法が時間区間 $[0,1]$ 全体にわたって一様に一貫性を示すための条件は何か？
• RQ5 誤差バウンドは、アイテム数 $n$、グリッドサイズ $|\mathcal{T}|$、およびペアあたりの比較回数にどのように依存するか？

主な発見

• 提案手法である最近傍ランクセンタリティは、高確率で一様 $\ell_2$ 誤差バウンド $O\left(\frac{1}{\sqrt{n p L}}\right)$ を達成する。ここで $p$ は辺の確率、$L$ はペアあたりの比較回数を表す。
• 一様 $\ell_\infty$ 誤差バウンドは $O\left(\sqrt{\frac{\log n}{n p L}}\right)$ のオーダーとなり、適切な条件下でトップ-$K$ 順位の正確な回復が可能である。
• 理論的分析により、比較グラフがErdös-Rényi確率的グラフであるという仮定の下で、$n$ およびグリッドサイズ $|\mathcal{T}|$ の観点から手法の一致性が確立された。
• 誤差バウンドは、$t \in [0,1]$ 全体にわたって確率 $1 - O(T n^{-c})$ で成り立つ。ここで $c$ は大きな定数（例：9 または 10）である。
• 局所平均化と真の順位ベクトル $\pi^*(t)$ のリプシッツ連続性の導入により、時間的変動に対して手法が頑健であることが示された。
• 合成データおよび実データを用いた実験により、手法の性能が検証され、理論的予測と整合的であることが確認された。