[論文レビュー] Fishing out Winners from Vote Streams

Arnab Bhattacharyya, Palash Dey|arXiv (Cornell University)|Aug 19, 2015

Game Theory and Voting Systems参考文献 23被引用数 3

ひとこと要約

この論文は、投票が任意の順序で到着するオンライン選挙における近似勝者決定のための空間効率の良いストリーミングアルゴリズムを導入する。ランダム化アルゴリズムを提案し、$\varepsilon$-勝者（最大$\varepsilon n$票の変更で勝てる可能性がある候補者）を特定する。このアルゴリズムは部分線形空間を用い、順序付けられた多数の投票ルール（プライラリティ、$k$-承認、コペランドなど）においてタイトな境界を達成する。

ABSTRACT

We investigate the problem of winner determination from computational social choice theory in the data stream model. Specifically, we consider the task of summarizing an arbitrarily ordered stream of $n$ votes on $m$ candidates into a small space data structure so as to be able to obtain the winner determined by popular voting rules. As we show, finding the exact winner requires storing essentially all the votes. So, we focus on the problem of finding an {\em $\eps$-winner}, a candidate who could win by a change of at most $\eps$ fraction of the votes. We show non-trivial upper and lower bounds on the space complexity of $\eps$-winner determination for several voting rules, including $k$-approval, $k$-veto, scoring rules, approval, maximin, Bucklin, Copeland, and plurality with run off.

研究の動機と目的

• 投票がデータストリームとして到着する大規模なオンライン選挙における勝者を特定する課題に取り組むが、完全な記録保持は非現実的である。
• 正確な勝者問題を緩和し、$\\varepsilon$-勝者（わずかな票の変更で勝てる可能性がある候補者）による近似を許容する。
• さまざまな投票ルールにおける$(\varepsilon,\delta)$-勝者決定のストリーミングアルゴリズムの空間複雑度を分析する。
• 空間使用量のタイトな上界と下界を確立し、正確な勝者計算と比較して近似によって顕著な圧縮が可能であることを示す。
• スライディングウィンドウモデルへの拡張を検討し、勝者決定に使用するのは最近の$N$票のみとする。

提案手法

• 誤差確率が有界なランダム化ストリーミングタスクとして$(\varepsilon,\delta)$-勝者決定問題を定式化する。
• 投票ストリームを最小限の空間で要約するためのランダム化スケッチおよびサンプリング技術を用いる。主に票数と対比較の要約に焦点を当てる。
• 通信複雑度からの還元を活用し、重いヘッダー問題や最大和問題といった既知のストリーミング問題に勝者決定問題を還元する。
• 困難な通信問題（例：Greater-than、Max-sum）のインスタンスを符号化する投票ストリームを構築し、下界を導出する。
• 投票ルールの構造的性質（例：承認、ボーダ、コペランド）を活用するルール固有のアルゴリズムを設計し、空間使用量を最小限に抑える。
• 空間複雑度を$\varepsilon$、$\delta$、$m$（候補者数）、$n$（票数）の観点から分析し、確率的および組合せ的議論により境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 任意の投票順序を想定したオンライン選挙における近似勝者決定のための空間効率の良いストリーミングアルゴリズムを設計できるか？
• RQ2 さまざまな一般的な投票ルールにおける$\varepsilon$-勝者を計算する最適な空間複雑度は何か？
• RQ3 $\varepsilon$、$m$、$n$のスケーリングに伴い、異なる投票ルールにおける空間要件はどのように変化するか？また、境界はタイトか？
• RQ4 スライディングウィンドウモデルを効率的にサポートできるか？ここでは最近の$N$票のみが勝者決定に使用される。
• RQ5 異なる投票ルールにおける$(\varepsilon,\delta)$-勝者決定のための空間使用量の根本的限界（下界）は何か？

主な発見

• プライラリティおよび一般化されたプライラリティでは、空間複雑度は$O(\min\{\frac{1}{\varepsilon}\log m, m\log\frac{1}{\varepsilon}\} + \log\log n)$であり、対数要因を除いて下界と一致する。
• $k$-承認および$k$-ベイトでは、空間複雑度は$O(\min\{\frac{k}{\varepsilon}\log m, m\log\frac{\log(m-k+1)}{\varepsilon}\} + \log\log n)$であり、特定のパrameter設定下で下界と一致する。
• スコアリングルールおよび承認投票では、空間複雑度は$O(m(\log\log m + \log\frac{1}{\varepsilon}) + \log\log n)$であり、対数要因を除いてタイトである。
• マキシミン、バックリン、ランオフルールでは、空間複雑度は$O(\min\{m^2(\log\log m + \log\frac{1}{\varepsilon}), \frac{1}{\varepsilon^2}m\log^2 m\} + \log\log n)$であり、重要な設定で下界と一致する。
• コペランドでは、空間複雑度は$O(\min\{m^2(\log\log m + \log\frac{1}{\varepsilon}), \frac{1}{\varepsilon^2}m\log^4 m\} + \log\log n)$であり、対比較の多数決の複雑さが反映されている。
• プライラリティおよび関連ルールにおいて、2人の候補者しかいない場合でも$\Omega(\log\log n)$の下界が成立し、$n$に対する対数的依存性が避けられないことを示している。