[論文レビュー] Statistical Inference for Incomplete Ranking Data: The Case of Rank-Dependent Coarsening

Mohsen Ahmadi Fahandar, Eyke Hüllermeier+1 more|arXiv (Cornell University)|Dec 4, 2017

Game Theory and Voting Systems参考文献 17被引用数 7

ひとこと要約

本稿は、完全順位をランダムな順位の部分集合へ射影することによって生じる不完全順位の文脈において、順位依存的粗粒化の下でのデータ順位付けのための統計枠組みを提案する。この粗粒化プロセスによるバイアスにもかかわらず、Plackett-Luce仮定の下で、Copeland や FAS といった順位付け手法が一貫性を示すことが示されている。これは、標本サイズが増加するにつれて真の順位が回復されることを意味する。

ABSTRACT

We consider the problem of statistical inference for ranking data, specifically rank aggregation, under the assumption that samples are incomplete in the sense of not comprising all choice alternatives. In contrast to most existing methods, we explicitly model the process of turning a full ranking into an incomplete one, which we call the coarsening process. To this end, we propose the concept of rank-dependent coarsening, which assumes that incomplete rankings are produced by projecting a full ranking to a random subset of ranks. For a concrete instantiation of our model, in which full rankings are drawn from a Plackett-Luce distribution and observations take the form of pairwise preferences, we study the performance of various rank aggregation methods. In addition to predictive accuracy in the finite sample setting, we address the theoretical question of consistency, by which we mean the ability to recover a target ranking when the sample size goes to infinity, despite a potential bias in the observations caused by the (unknown) coarsening.

研究の動機と目的

• 完全順位がランダムな順位の部分集合への射影によって粗粒化される不完全順位データからの学習という統計的課題に対処する。
• 粗粒化プロセスを明示的にモデル化し、従来の手法とは異なり、粗粒化が順位とは独立であると仮定するのではなく、その関係を明確にする。
• 粗粒化が観測された対比較の好みにバイアスをもたらす場合でも、順位付け手法が一貫性（すなわち真の順位を回復できる）を保つかどうかを調査する。
• 特に Plackett-Luce分布に従う完全順位の下で、順位依存的粗粒化における一貫性の理論的・実験的証拠を提供する。
• 順位付けの文脈における粗粒度データおよび粗粒化メカニズムの理解を拡張し、アイテムベースのマージナル化とは区別する。

提案手法

• 完全順位がランダムな順位の部分集合に射影されることで生じる順位依存的粗粒化の概念を導入する。
• 不完全順位を記号 τ で定義し、τ(k) = 0 であればアイテム k が欠落していることを、τ(k) > 0 であれば順位が与えられていることを表す。
• 不完全順位 τ の一貫性のある完全順位（線形拡張）の集合 E(τ) を定義し、確率的推論を可能にする。
• 完全順位がパrameter ベクトル θ に従う Plackett-Luce分布に従うと仮定し、粗粒化後の対比較 a_i ≻ a_j を観測する確率を導出する。
• 粗粒化メカニズム λ_{r,s} を用いて完全順位をランダムな順位ペア r と s に射影し、観測される a_i ≻ a_j の確率 q_{i,j} を計算する。
• 理論的一貫性を確立し、Plackett-Luce下で p_{i,j} - 1/2 の符号が q'_{i,j} - 1/2 の符号と一致することを証明することで、バイアスがあっても順序が保持されることを保証する。

実験結果

リサーチクエスチョン

• RQ1 順位依存的粗粒化によって生じるバイアスがある場合でも、順位付け手法が真の順位を回復できる一貫性を保つことができるか？
• RQ2 順位依存的粗粒化の後でも、Plackett-Luceモデルが対比較の相対順位を保つことができるか？
• RQ3 Copeland や FAS といった一般的に用いられる順位集約手法が、推定値にバイアスがある場合でも、この粗粒化モデル下で一貫性を示すことができるか？
• RQ4 順位依存的粗粒化は、統計的帰納に与える影響において、標準的なアイテムベースのマージナル化とはどのように異なるか？
• RQ5 推定された対比較の好み p̂_{i,j} が、標本サイズが増加するにつれて真の好み順序を正しく反映するための条件は何か？

主な発見

• 順位依存的粗粒化下の Plackett-Luceモデルでは、対比較差の符号が保存される。すなわち、p_{i,j} > 1/2 であることは q'_{i,j} > 1/2 であることと同値である。
• 補題 2 は、真の分布が a_i ≻ a_j と一貫する順位を好む場合、粗粒化確率 q_{i,j} が q_{j,i} よりも大きいことを示している。
• 補題 3 は、Plackett-Luce下で粗粒化プロセスが順序を保存することを証明しており、任意の二つのアイテム間の相対的好みが逆転しないことを保証する。
• 定理 5 は、Copeland 順位付け手法が提示されたモデル下で一貫性を示すことを確立しており、これは N → ∞ のとき真の順位が確率 1 で回復されることを意味する。
• 定理 6 は、FAS、FAS(R)、FAS(B) についても一貫性が保証されることを確認しており、これらの手法が順位依存的粗粒化に対して頑健であることを示している。
• 実験結果から、BTL も同様に一貫性を示す可能性があるが、一般化のための形式的証明は未解決のままである。