[论文解读] Proportional Representation in Vote Streams

Palash Dey, Nimrod Talmon+1 more|arXiv (Cornell University)|Feb 28, 2017

Game Theory and Voting Systems参考文献 23被引用 5

一句话总结

本文提出了在数据流中以空间高效的方式计算比例多胜者投票规则下近似最优胜出委员会的流式算法——具体而言，针对基于批准制和Borda计分的Chamberlin–Courter与Monroe规则。令人惊讶的是，它表明即使在投票者数量庞大的情况下，仅使用与投票者数量无关的空间，也能以高概率获得最优委员会的近似解。

ABSTRACT

We consider elections where the voters come one at a time, in a streaming fashion, and devise space-efficient algorithms which identify an approximate winning committee with respect to common multiwinner proportional representation voting rules; specifically, we consider the Approval-based and the Borda-based variants of both the Chamberlin-- ourant rule and the Monroe rule. We complement our algorithms with lower bounds. Somewhat surprisingly, our results imply that, using space which does not depend on the number of voters it is possible to efficiently identify an approximate representative committee of fixed size over vote streams with huge number of voters.

研究动机与目标

• 解决在拥有海量选民的数据流中计算比例代表制多胜者委员会的挑战。
• 设计空间复杂度与选民数量无关的算法，以实现对超大规模数据集的可扩展性。
• 为知名的比例投票规则（包括Chamberlin–Courter与Monroe规则）提供近似保证，涵盖基于批准制和Borda计分的情形。
• 通过下界分析确立理论极限，表明空间效率几乎是最优的。
• 将适用范围扩展至推荐系统、设施选址以及在线购物推荐平台等现实场景。

提出的方法

• 使用随机抽样技术，从数据流中维护一个小型且具有代表性的选民子集。
• 设计仅遍历每位选民一次的流式算法，无需存储整个选民群体。
• 应用亚线性算法，以高概率估计在比例规则下潜在胜出委员会的得分。
• 利用小参数（如候选人数量或委员会规模）下胜者确定问题的固定参数可解性，指导抽样策略。
• 将框架扩展至广义模型，包括滑动窗口、动态批准以及均匀或结构化选民流。
• 证明即使在事先未知总选民数量的情况下，相同的空间复杂度界限依然成立，利用了近期最优抽样结果。

实验结果

研究问题

• RQ1 我们能否在数据流中，使用与选民数量无关的空间，计算出比例多胜者投票规则下的近似最优胜出委员会？
• RQ2 在流式环境中，为Chamberlin–Courter与Monroe规则实现高概率近似保证，所需的最小空间复杂度是多少？
• RQ3 在不同流模型（如滑动窗口或动态批准）下，所提出的算法表现如何？
• RQ4 相同的空间高效方法能否扩展至更一般或更受限的领域，如单峰流或均匀流？
• RQ5 此类问题的空间效率的理论极限是什么？上界与下界之间的接近程度如何？

主要发现

• 即使在海量数据流中，也能使用不依赖于选民数量的空间，计算出比例多胜者投票规则下的近似最优胜出委员会。
• 所提出的随机化流式算法对Chamberlin–Courter与Monroe规则的基于批准制和Borda计分的变体，均实现了高概率近似保证。
• 算法可自然扩展至动态和滑动窗口模型，支持实时或趋势感知的委员会选择。
• 下界分析表明，算法的空间复杂度几乎是最优的，表明该方法在理论上已达到紧致性。
• 研究结果适用于推荐系统、在线广告和设施选址等实际应用，其中选择代表性子集至关重要。
• 由于采用了自适应抽样技术，即使在事先未知总选民数量的情况下，该框架依然有效。