[論文レビュー] Comparison-Based Choices

Jon Kleinberg, Sendhil Mullainathan+1 more|arXiv (Cornell University)|May 16, 2017

Data Management and Algorithms参考文献 25被引用数 9

ひとこと要約

本稿では、選択集合効果に影響を受ける人間の意思決定をモデル化するため、比較に基づく選択関数を導入し、その関数が基本的な最大/最小関数と同等のクエリ複雑度で同定可能であることを示している。主な貢献は、多様な集団におけるアクティブまたはパasiveなクエリ設定下でも、選択集合効果がアルゴリズム的複雑度を本質的に増加させないということである。

ABSTRACT

A broad range of on-line behaviors are mediated by interfaces in which people make choices among sets of options. A rich and growing line of work in the behavioral sciences indicate that human choices follow not only from the utility of alternatives, but also from the choice set in which alternatives are presented. In this work we study comparison-based choice functions, a simple but surprisingly rich class of functions capable of exhibiting so-called choice-set effects. Motivated by the challenge of predicting complex choices, we study the query complexity of these functions in a variety of settings. We consider settings that allow for active queries or passive observation of a stream of queries, and give analyses both at the granularity of individuals or populations that might exhibit heterogeneous choice behavior. Our main result is that any comparison-based choice function in one dimension can be inferred as efficiently as a basic maximum or minimum choice function across many query contexts, suggesting that choice-set effects need not entail any fundamental algorithmic barriers to inference. We also introduce a class of choice functions we call distance-comparison-based functions, and briefly discuss the analysis of such functions. The framework we outline provides intriguing connections between human choice behavior and a range of questions in the theory of sorting.

研究の動機と目的

• 行動実験で観察されるように、内在的効用に加え選択集合の構成にも依存する人間の選択をモデル化すること。
• アクティブおよびパasiveなクエリモデル下での、比較に基づく選択関数の同定におけるアルゴリズム的複雑度を分析すること。
• 選択集合効果が、標準的なソーティングアルゴリズムと同等の複雑度で効率的な同定に根本的な障害をもたらさないことを示すこと。
• 距離比較に基づく関数へのフレームワークの拡張と、認知的埋め込み学習およびソーティング理論への接続を図ること。
• 多様な集団および多次元埋め込みを含む複雑な意思決定行動における同定の統一的理論の基盤を築くこと。

提案手法

• 本稿では、選択が固定されたグローバル順序ではなく、選択集合内での相対的比較に依存する関数を、比較に基づく選択関数として定義する。
• 選択が代替品間の相対的距離または類似性に基づくという「距離比較に基づく関数」の概念を導入する。
• アクティブおよびパasiveな設定におけるクエリ複雑度を分析し、1次元の比較に基づく関数の同定にはN組のペアワイズ比較に対してO(N log N)のクエリが必要であることを示している。
• kペアの比較クエリを用いて距離順序を効率的に同定する一般化されたクラウド中央値アルゴリズムを提案する。
• ソーティング理論と類似する関係を明らかにし、比較に基づく選択同定が古典的な比較ベースのソーティングと同等の漸近的複雑度を達成することを示している。
• 多様な集団および混合選択行動を考慮するためのフレームワークの拡張を行い、このような関数の混合学習に関する今後の研究を示唆している。

実験結果

リサーチクエスチョン

• RQ1 妥協効果などの選択集合効果を示す比較に基づく選択関数は、標準的なソーティングと同等のクエリ複雑度で同定可能か？
• RQ2 選択ストリームのパasiveな観察とアクティブなクエリの両方の設定下で、同定のクエリ複雑度はどのように変化するか？
• RQ3 距離比較に基づく選択関数は効率的に学習可能か？また、認知的埋め込みタスクとはどのように関連するか？
• RQ4 集団の多様性は、比較に基づく選択関数の同定にどのような影響を及ぼすか？
• RQ5 フレームワークは、多次元埋め込みおよびより複雑な選択行動へどのように拡張可能か？

主な発見

• 1次元における任意の比較に基づく選択関数は、単純な最大または最小関数と同等の漸近的クエリ複雑度で同定可能であり、N組のペアワイズ比較に対してO(N log N)である。
• 一般化されたクラウド中央値アルゴリズムを用いることで、距離順序の効率的同定が可能である。このアルゴリズムは「k組のペアの中で最も類似性が低いのはどれか？」というクエリを用いる。
• パasiveなクエリストリームを用いても選択関数の同定が可能であるが、パasive観察と集団の多様性を組み合わせた場合の課題は未解決のまま残っている。
• 結果から、選択集合効果が同定のための根本的障害をもたらさないことが示唆され、複雑度が既知のソーティングの境界内に留まることを示している。
• 本モデルは、認知心理学および機械学習と接続する強固な理論的基盤を提供しており、複雑な人間の意思決定行動の学習に有効である。
• 本稿では、選択関数の混合学習およびノイズのある環境や多次元設定における課題を特定し、今後の研究の方向性を示唆している。