[論文レビュー] Sum of Us: Strategyproof Selection from the Selectors

Noga Alon, Felix Fischer+2 more|ArXiv.org|Oct 25, 2009

Auction Theory and Applications参考文献 22被引用数 27

ひとこと要約

この論文は、インデグリュ（人気/信頼）に基づいて有向グラフからk人のエージェントを選択するための戦略証明可能メカニズムを検討する。エージェントは自身の選択確率を高めるために、出力辺を虚偽報告する可能性がある。決定的メカニズムでは有限近似比を達成することは不可能である強い不可能性結果を示すが、kが増加するにつれて1に近づく4-近似比を達成する確率的メカニズムを提示する。

ABSTRACT

We consider directed graphs over a set of n agents, where an edge (i,j) is taken to mean that agent i supports or trusts agent j. Given such a graph and an integer k\leq n, we wish to select a subset of k agents that maximizes the sum of indegrees, i.e., a subset of k most popular or most trusted agents. At the same time we assume that each individual agent is only interested in being selected, and may misreport its outgoing edges to this end. This problem formulation captures realistic scenarios where agents choose among themselves, which can be found in the context of Internet search, social networks like Twitter, or reputation systems like Epinions. Our goal is to design mechanisms without payments that map each graph to a k-subset of agents to be selected and satisfy the following two constraints: strategyproofness, i.e., agents cannot benefit from misreporting their outgoing edges, and approximate optimality, i.e., the sum of indegrees of the selected subset of agents is always close to optimal. Our first main result is a surprising impossibility: for k \in {1,...,n-1}, no deterministic strategyproof mechanism can provide a finite approximation ratio. Our second main result is a randomized strategyproof mechanism with an approximation ratio that is bounded from above by four for any value of k, and approaches one as k grows.

研究の動機と目的

• 有向グラフにおけるインデグリュ（人気/信頼）に基づいて、k人のエージェントを選択する戦略証明可能メカニズムを設計すること。
• エージェントが自身の出力辺を虚偽報告することで利益を得られないようにし、戦略証明性を維持すること。
• 選択されたエージェントのインデグリュ合計の最適値に近い近似比を達成すること。
• これらの制約下での決定的および確率的メカニズムの限界を調査すること。
• 検索エンジン、ソーシャルネットワーク（例：Twitter）、レピュテーションシステム（例：Epinions）などの実用的応用を扱うこと。

提案手法

• 戦略証明性の制約の下で、有向グラフからk人のエージェントを選択し、インデグリュ合計を最大化する問題を形式化する。
• 確率的メカニズムを導入：エージェントを2つのランダムな部分集合に分割し、各部分集合内で相互間インデグリュに基づいて上位k人を選択する。
• 任意の固定された分割においてエージェントが辺を虚偽報告しても利益を得ないことを示すことで、このメカニズムが普遍的戦略証明的（期待値におけるものより強い）であることを証明する。
• 確率的議論を用いて近似比を分析し、任意のkに対して最大で4であり、kが増加するにつれて1に近づくことを示す。
• 確率的1-選択メカニズムの下限として2がタイトであることを確立し、2と4の間のギャップが残っている。
• 重み付きエッジおよび代替の利得モデルへも拡張し、メカニズムが弱い仮定の下でも有効であることを示す。

実験結果

リサーチクエスチョン

• RQ1 決定的戦略証明可能メカニズムは、インデグリュ合計に基づくk選択において有限近似比を達成できるか？
• RQ2 k選択において、確率的戦略証明可能メカニズムが達成可能な最良の近似比は何か？
• RQ3 提案された確率的メカニズムの近似比は、kが増加するにつれてどのように変化するか？
• RQ4 メカニズムは、重み付きグラフや代替の利得モデルへ適応可能であり、戦略証明性を失わないか？
• RQ5 1-選択において、2-近似を達成する確率的戦略証明可能メカニズムは存在するか？

主な発見

• k ∈ {1, ..., n−1} に対して、決定的戦略証明可能メカニズムは有限近似比を達成できない。強い不可能性結果を示す。
• 確率的戦略証明可能メカニズムは、任意のkに対して最大で4の近似比を達成でき、kが増加するにつれて1に近づく。
• 提案されたメカニズムは普遍的戦略証明的であり、確率的選択の任意の実現においてエージェントが虚偽報告から利益を得ない。
• 1-選択において、任意の確率的戦略証明可能メカニズムが達成可能な最良の近似比は少なくとも2であり、最大で4である。2と4の間のギャップは、著者らが2に近づく可能性があると予想している。
• 重み付きエッジや代替の利得モデル（たとえば、小さな外部性を伴う社会的厚生）に対しても、メカニズムは有効なまま保たれる。
• 決定的メカニズムの不可能性結果は、選択された集合内の最小インデグリュを最大化するような代替の目的関数に対しても拡張可能である。