[논문 리뷰] Awareness of Voter Passion Greatly Improves the Distortion of Metric Social Choice

Ben Abramowitz, Elliot Anshelevich외 1명|arXiv (Cornell University)|2019. 06. 25.

Game Theory and Voting Systems참고 문헌 30인용 수 7

한 줄 요약

이 논문은 순서형 랭킹 외에 유권자 선호도 강도에 대한 최소한의 간격 정보(예: 선호도가 강한지 약한지 여부)를 활용하는 투표 메커니즘을 제안하여, 메트릭 사회선택에서 왜곡을 크게 감소시킨다. 각 유권자당 단 한 비트의 선호도 강도 데이터를 추가로 포함함으로써, 두 후보자 선거에서는 기존 순서형 메커니즘의 왜곡 3이 1.83으로 감소하고, 다수 후보자 설정에서는 4.236에서 3.35로 감소한다. 전체 선호도 강도 정보가 알려진 경우, 왜곡은 √2와 2로 거의 최적에 가까운 성능을 보인다.

ABSTRACT

We develop new voting mechanisms for the case when voters and candidates are located in an arbitrary unknown metric space, and the goal is to choose a candidate minimizing social cost: the total distance from the voters to this candidate. Previous work has often assumed that only ordinal preferences of the voters are known (instead of their true costs), and focused on minimizing distortion: the quality of the chosen candidate as compared with the best possible candidate. In this paper, we instead assume that a (very small) amount of information is known about the voter preference strengths, not just about their ordinal preferences. We provide mechanisms with much better distortion when this extra information is known as compared to mechanisms which use only ordinal information. We quantify tradeoffs between the amount of information known about preference strengths and the achievable distortion. We further provide advice about which type of information about preference strengths seems to be the most useful. Finally, we conclude by quantifying the ideal candidate distortion, which compares the quality of the chosen outcome with the best possible candidate that could ever exist, instead of only the best candidate that is actually in the running.

연구 동기 및 목표

• 기존에 순서형 선호도만을 가정하는 상황에서, 소량의 간격 선호도 강도 정보가 메트릭 사회선택의 왜곡을 얼마나 줄일 수 있는지 조사하는 것.
• 선호도 강도 정보의 양과 달성 가능한 왜곡 수준 사이의 트레이드오프를 정량화하는 것.
• 예를 들어 선호도 강도에 대한 임계값과 같은 특정 유형의 선호도 강도 정보 중에서 왜곡을 최소화하는 데 가장 효과적인 것이 무엇인지 규명하는 것.
• 최적 후보자 왜곡이라는 개념을 도입하고 분석하는 것—이는 실제로 후보로 출마하지 않은 최상의 후보자와의 비교를 통해 왜곡 측정의 강건성을 향상시키는 것이다.

제안 방법

• 논문은 유권자와 후보자를 알려지지 않은 임의의 메트릭 공간 내에 모델링하며, 유권자 선호도는 후보자와의 거리로부터 유도된다.
• 선호도 강도를 고려한 새로운 왜곡 측정법을 도입하며, 이는 αᵢᴾᴼ = d(i,O)/d(i,P)로 정의되며, O를 P보다 선택하는 데서 발생하는 상대적 비용을 나타낸다.
• 강한 선호도를 가진 유권자(즉, 높은 αᵢᴾᴼ를 가진 유권자)에게 더 높은 가중치를 할당하는 가중 투표 규칙을 사용하여 결과 품질을 향상시킨다.
• 선호도 강도를 분류하기 위해 τ₁ < τ₂ < … < τₘ의 임계값을 정의하고, 이를 바탕으로 왜곡을 최소화하는 가중 투표 규칙을 구성한다.
• 가장 좋은 후보자와 이상 후보자에 비해 상대적인 사회적 비용이 제한됨을 보여주는 이론적 경계를 증명한다. 이는 특정 임계값을 사용하는 가중 투표 규칙에서 후보자가 승리할 경우 성립한다.
• 이де알 후보자 왜곡의 개념을 도입하여, 실제로 후보로 출마하지 않은 최상의 후보자와의 비교를 통해 결과를 평가한다.

실험 결과

연구 질문

• RQ1 순서형 랭킹 외에 각 유권자당 단 한 비트의 선호도 강도 정보만 제공할 경우, 왜곡은 얼마나 줄어들 수 있는가?
• RQ2 사용된 선호도 강도 임계값의 수와 사회선택 메커니즘에서의 결과 왜곡 사이의 트레이드오프는 어떠한가?
• RQ3 예를 들어 상대적 선호도 강도에 대한 임계값과 같은 특정 유형의 선호도 강도 정보 중에서 왜곡을 최소화하는 데 가장 효과적인 것은 무엇인가?
• RQ4 이de알 후보자 왜곡 개념은 기존의 왜곡 측정보다 더 강건한 성능 측정을 제공할 수 있는가?
• RQ5 전체 선호도 강도 정보가 가용할 경우, 왜곡 감소의 이론적 한계는 무엇인가?

주요 결과

• 오직 순서형 선호도만을 사용할 경우, 결정론적 메커니즘의 최선의 왜곡은 3이며, 어떤 결정론적 메커니즘도 이를 초월할 수 없다.
• 각 유권자당 추가로 한 비트의 선호도 강도 정보(예: 선호도가 강한지 약한지 여부)를 제공할 경우, 두 후보자 선거에서는 왜곡이 1.83으로 감소한다.
• 다수 후보자 설정에서는 오직 순서형 데이터만 사용할 경우 왜곡이 4.236이지만, 한 개의 임계값을 사용함으로써 왜곡이 3.35로 감소한다.
• 모든 선호도 강도 정보가 알려진 경우, 두 후보자에 대해서는 왜곡이 √2로, 다수 후보자에 대해서는 2로 수렴하여 거의 최적의 성능을 달성한다.
• 이de알 후보자 왜곡 측정법은, 왜곡 수준이 낮더라도 가용한 후보자들이 열 劣한 경우 결과가 여전히 최적에서 멀리 떨어져 있을 수 있음을 드러내며, 후보자 품질과 선택 정확성 사이의 근본적인 트레이드오프를 강조한다.
• 여러 개의 임계값을 사용하면 왜곡을 추가로 줄일 수 있지만, 그 효과는 점점 감소한다. 이는 하나 또는 두 개의 잘 선택된 임계값이 비용-편익 비율 측면에서 최적의 성능을 낼 수 있음을 시사한다.