[논문 리뷰] Fixed-Parameter Algorithms for Computing Kemeny Scores - Theory and Practice

Robert Bredereck|arXiv (Cornell University)|2010. 01. 22.

Advanced Graph Theory Research참고 문헌 20인용 수 5

한 줄 요약

이 논문은 순위 집계의 기본 문제인 Kemeny 점수를 계산하기 위한 고정 매개변수 다항 시간 알고리즘을 제시한다. 이는 입력 순위들에 대한 Kendall-Tau 거리의 합을 최소화하는 것을 목표로 한다. Kemeny 점수 매개변수에 대해 개선된 탐색 트리 알고리즘을 도입하여 이론적 실행 시간 상한을 향상시켰으며, 시뮬레이션 및 실제 데이터(스포츠 순위 및 웹 검색 결과 포함)를 통한 실험으로 검증되었다.

ABSTRACT

The central problem in this work is to compute a ranking of a set of elements which is "closest to" a given set of input rankings of the elements. We define "closest to" in an established way as having the minimum sum of Kendall-Tau distances to each input ranking. Unfortunately, the resulting problem Kemeny consensus is NP-hard for instances with n input rankings, n being an even integer greater than three. Nevertheless this problem plays a central role in many rank aggregation problems. It was shown that one can compute the corresponding Kemeny consensus list in f(k) + poly(n) time, being f(k) a computable function in one of the parameters "score of the consensus", "maximum distance between two input rankings", "number of candidates" and "average pairwise Kendall-Tau distance" and poly(n) a polynomial in the input size. This work will demonstrate the practical usefulness of the corresponding algorithms by applying them to randomly generated and several real-world data. Thus, we show that these fixed-parameter algorithms are not only of theoretical interest. In a more theoretical part of this work we will develop an improved fixed-parameter algorithm for the parameter "score of the consensus" having a better upper bound for the running time than previous algorithms.

연구 동기 및 목표

• Kemeny 공식 순위를 계산하기 위한 효율적인 고정 매개변수 알고리즘을 개발하기 위해.
• 정교한 탐색 트리 기법을 사용하여 Kemeny 점수 매개변수에 대한 이론적 실행 시간 상한을 향상시키기 위해.
• 실제 데이터 및 무작위 생성 데이터 세트에서 고정 매개변수 알고리즘의 실용적 성능을 평가하기 위해.
• 고정 매개변수 알고리즘이 순위 집계에 대해 이론적으로 타당할 뿐 아니라 실용적으로도 가능하다는 것을 입증하기 위해.

제안 방법

• 탐색 공간에서의 분기 제거를 향상시키기 위해 '더러움' 개념을 확장한 새로운 탐색 트리 알고리즘을 제안한다.
• 탐색 트리 알고리즘을 적용하기 전에 인스턴스를 단순화하기 위해 데이터 축소 규칙을 활용한다.
• Kemeny 점수, 최대 쌍별 거리, 후보 수, 평균 쌍별 거리 등을 매개변수로 하여 고정 매개변수 다항 시간을 적용한다.
• 효율적인 데이터 구조 및 연산을 위해 C++ 및 Boost 라이브러리를 사용하여 알고리즘을 구현하고 최적화한다.
• 포뮬러1 및 겨울 스포츠 순위, 웹 검색 결과 집계를 포함한 세 가지 실제 데이터 세트에 알고리즘을 적용한다.
• 무작위로 생성된 인스턴스와 실제 데이터에서의 성능을 경험적으로 평가하며, 실행 시간과 해의 품질을 측정한다.

실험 결과

연구 질문

• RQ1 Kemeny 점수 계산을 위한 고정 매개변수 알고리즘이 이론적 상한을 넘어서 실용적 효율성을 달성할 수 있는가?
• RQ2 새로운 탐색 트리 알고리즘이 이전 방법에 비해 실행 시간 복잡도 측면에서 어떻게 향상되었는가?
• RQ3 고정 매개변수 알고리즘의 실용적 성능은 실제 순위 집계 문제에서 어떻게 나타나는가?
• RQ4 데이터 축소 기법이 Kemeny 점수 계산의 실용적 런타임에 얼마나 기여하는가?
• RQ5 Kemeny 점수 및 후보 수와 같은 다양한 매개변수에 대해 알고리즘의 스케일링 성능은 어떠한가?

주요 결과

• 제안된 새로운 탐색 트리 알고리즘은 기존 방법에 비해 Kemeny 점수 매개변수에 대해 더 나은 이론적 실행 시간 상한을 확보하였다.
• 알고리즘은 스포츠 대회 및 웹 검색 결과를 포함한 실제 데이터 세트에서 최적의 Kemeny 순위를 실용적인 시간 내에 성공적으로 계산하였다.
• 실험 결과 대부분의 테스트 인스턴스에서 실행 시간이 1초 이내로 측정되었으며, 최대 10명의 후보자와 11개의 투표가 있는 경우에도 마찬가지였다.
• 데이터 축소 기법의 사용은 탐색 공간의 크기를 크게 줄여 런타임 성능 향상에 기여하였다.
• 무작위로 생성된 인스턴스에서 알고리즘은 특히 낮은 Kemeny 점수일 경우 기초적 접근보다 뚜렷이 뛰어난 성능을 보였다.
• 본 연구는 고정 매개변수 알고리즘이 이론적으로 효율적일 뿐 아니라 실제 순위 집계 작업에 실용적으로 효과적이라는 점을 확인하였다.