[논문 리뷰] Matching Algorithms: Fundamentals, Applications and Challenges

Jing Ren, Feng Xia외 6명|arXiv (Cornell University)|2021. 03. 05.

Optimization and Search Problems참고 문헌 166인용 수 8

한 줄 요약

이 종합적 서베이는 매칭 알고리즘에 대한 포괄적인 개요를 제시하며, 직접적인 선호 목록을 갖는 명시적 매칭과 예측된 선호를 기반으로 하는 암묵적 매칭으로 분류한다. 안정 매칭과 같은 기초 모델을 검토하고, 추천 시스템, 지식 그래프, 정보 검색 분야의 응용 사례를 다루며, 공정성, 해석 가능성, 기밀 보호와 같은 핵심 과제를 규명하고 향후 매칭 시스템 연구를 위한 통합적 프레임워크를 제안한다.

ABSTRACT

Matching plays a vital role in the rational allocation of resources in many areas, ranging from market operation to people's daily lives. In economics, the term matching theory is coined for pairing two agents in a specific market to reach a stable or optimal state. In computer science, all branches of matching problems have emerged, such as the question-answer matching in information retrieval, user-item matching in a recommender system, and entity-relation matching in the knowledge graph. A preference list is the core element during a matching process, which can either be obtained directly from the agents or generated indirectly by prediction. Based on the preference list access, matching problems are divided into two categories, i.e., explicit matching and implicit matching. In this paper, we first introduce the matching theory's basic models and algorithms in explicit matching. The existing methods for coping with various matching problems in implicit matching are reviewed, such as retrieval matching, user-item matching, entity-relation matching, and image matching. Furthermore, we look into representative applications in these areas, including marriage and labor markets in explicit matching and several similarity-based matching problems in implicit matching. Finally, this survey paper concludes with a discussion of open issues and promising future directions in the field of matching.

연구 동기 및 목표

• 선호 목록의 존재 여부에 따라 매칭 문제를 명시적 매칭과 암묵적 매칭으로 체계적으로 분류하는 것.
• 일对일, 다대일, 다대다 매칭을 포함한 명시적 매칭을 위한 핵심 모델과 알고리즘을 검토하는 것.
• 검색, 사용자-아이템, 엔티티-관계, 이미지 매칭와 같은 최신 기법을 포함한 암묵적 매칭의 최첨단 방법을 조사하는 것.
• 현대 매칭 시스템에서 공정성, 해석 가능성, 기밀 보호의 핵심 과제를 분석하는 것.
• 매칭 알고리즘 설계 분야에서의 열린 문제와 향후 연구 방향을 규명하는 것.

제안 방법

• 선호 목록이 명시적으로 제공되는지 여부에 따라 매칭 문제를 분류하는 것.
• 전통적인 안정 매칭 이론과 명시적 매칭을 위한 최적화 기반 모델을 조사하는 것.
• 임베딩 모델, 신경망, 랭킹 함수를 활용한 유사도 기반 방법을 통해 암묵적 매칭을 검토하는 것.
• 실세계 시스템에서 선호 목록 추론을 향상시키기 위한 피드백 메커니즘과 인centive 설계를 분석하는 것.
• 공정성, 해석 가능성, 기밀 보존 기법을 매칭 알고리즘 설계에 통합하는 것.
• 결혼 시장, 추천 시스템, POI 추천 등의 응용 사례 연구를 통해 이론적 모델을 구체화하는 것.

실험 결과

연구 질문

• RQ1 선호 목록 확보 방식과 알고리즘 설계 측면에서 명시적 매칭과 암묵적 매칭은 어떻게 다릅니까?
• RQ2 명시적 매칭 환경에서 안정적이고 최적의 매칭을 위한 핵심 모델과 알고리즘은 무엇입니까?
• RQ3 현대 암묵적 매칭 시스템은 데이터에서 선호 목록을 어떻게 추론하며, 유사도 계산에 어떤 기법을 사용합니까?
• RQ4 AI 기반 매칭 시스템에서 공정성, 해석 가능성, 기밀 보호를 확보하기 위한 핵심 과제는 무엇입니까?
• RQ5 실세계 응용 분야에서 매칭 알고리즘을 발전시키기 위해 가장 유망한 향후 연구 방향은 무엇입니까?

주요 결과

• 명시적 매칭은 알려진 선호 목록에 의존하며 안정성과 최적성에 중점을 두며, Gale-Shapley의 안정 결혼 알고리즘과 같은 기초 모델을 포함한다.
• 암묵적 매칭은 임베딩 모델과 딥러닝 기법을 활용해 유사도 점수를 통해 선호를 추론하며, 주로 추천 시스템과 정보 검색 분야에 적용된다.
• 데이터 편향으로 인해 매칭의 공정성은 여전히 주요 과제이며, 최소한의 공리에 기반해 모든 참가자에게 공정성을 보장하는 해결책은 존재하지 않는다.
• 딥러닝 기반 암묵적 매칭에서는 모델이 종종 블랙박스처럼 작동하기 때문에 해석 가능성에 한계가 있으며, 신뢰성 확보와 검증에 어려움을 겪는다.
• 위치나 연락처 목록과 같은 민감한 데이터를 처리하는 시스템에서는 기밀 보호가 매우 중요하지만, 기밀 보장과 기능성의 균형을 맞추는 것은 여전히 열린 과제이다.
• 향후 매칭 시스템은 정확도 향상과 사용자 신뢰 확보를 위해 피드백 메커니즘과 기밀 보존 기법을 통합해야 한다.