[논문 리뷰] RRR: Rank-Regret Representative

Abolfazl Asudeh, Azade Nazi외 3명|arXiv (Cornell University)|2018. 01. 01.

Data Management and Algorithms참고 문헌 41인용 수 2

한 줄 요약

이 논문은 어떤 가능한 선형 순위 함수에 대해서도 최상위-k 항목 중 하나를 보장하는 데이터셋의 최소 부분집합인 Rank-Regret Representative (RRR)을 제안한다. 점수 차이가 아닌 순위 위치를 재해석함으로써 회귀를 정의함으로써, 기하학적 경계와 조합 기하학을 사용하여 작고 효과적인 대표자를 효율적으로 계산한다. 실험 결과, 실제 데이터셋에서 밀리초 수준의 확장 가능성을 보여준다.

ABSTRACT

Selecting the best items in a dataset is a common task in data exploration. However, the concept of 'best' lies in the eyes of the beholder: different users may consider different attributes more important, and hence arrive at different rankings. Nevertheless, one can remove 'dominated' items and create a 'representative' subset of the data, comprising the 'best items' in it. A Pareto-optimal representative is guaranteed to contain the best item of each possible ranking, but it can be a large portion of data. A much smaller representative can be found if we relax the requirement to include the best item for each user, and instead just limit the users' 'regret'. Existing work defines regret as the loss in score by limiting consideration to the representative instead of the full data set, for any chosen ranking function. However, the score is often not a meaningful number and users may not understand its absolute value. Sometimes small ranges in score can include large fractions of the data set. In contrast, users do understand the notion of rank ordering. Therefore, we consider the position of the items in the ranked list for defining the regret and propose the rank-regret representative as the minimal subset of the data containing at least one of the top-k of any possible ranking function. This problem is NP-complete. We use a geometric interpretation of items to bound their ranks on ranges of functions and to utilize combinatorial geometry notions for developing effective and efficient approximation algorithms for the problem. Experiments on real datasets demonstrate that we can efficiently find small subsets with small rank-regrets.

연구 동기 및 목표

• 점수 기반의 회귀 측정치가 일반적으로 직관적이지 않으며 스케일에 민감한 점을 해결하기 위해, 특히 다중 도메인 데이터셋에서의 한계를 해결한다.
• 절대 점수 차이가 아닌 순위 위치 기반의 더 사용자 친화적인 회귀 측정치를 제안한다.
• 모든 선형 순위 함수에 대해 최소한 최상위-k 항목 중 하나를 보장하는 가장 작은 부분집합을 계산하는 효율적인 알고리즘을 설계한다.
• 순위-회귀 최소화가 점수 기반의 회귀 최소화보다 더 작고 실용적인 대표자를 이끌어낼 수 있음을 입증한다.

제안 방법

• 모든 가능한 선형 순위 함수에 대해 부분집합 내 최상의 항목의 최대 순위를 순위-회귀로 정의한다.
• 기하학적 이중성과 k-집합 이론을 사용하여, 순위 함수의 범위에 걸쳐 모든 데이터 항목의 최대 순위를 경계한다.
• 함수 공간을 이산화하고 히팅 세트 휴리스틱을 적용하여 모든 중요한 순위 방향을 커버하는 근사 알고리즘을 개발한다.
• 비대칭 항목을 효율적으로 잘라내면서도 최상위-k 커버리지를 유지하는 다차원 재귀 클러스터링 알고리즘인 MDRC를 제안한다.
• k-집합에 대한 조합 기하학적 경계를 활용하여 RRR 부분집합의 이론적 크기 한계를 분석한다.
• 실제 데이터셋에 알고리즘을 구현하고 평가하여 실용적 효율성과 효과성을 검증한다.

실험 결과

연구 질문

• RQ1 점수 기반의 회귀 측정치보다 순위 기반의 회귀 측정치가 더 직관적이고 효과적인 데이터 대표자를 이끌어낼 수 있는가?
• RQ2 모든 가능한 선형 순위 함수에 대해 최소한 최상위-k 항목 중 하나를 보장하는 부분집합을 계산할 수 있는가?
• RQ3 기하학적 및 조합 기하학적 기법을 사용하여 항목의 순위를 경계하고 효율적인 부분집합 선택을 이끌 수 있는가?
• RQ4 실제로 부분집합 크기와 순위-회귀 사이의 상호 교환 관계는 어떻게 되며, 이를 효과적으로 최적화할 수 있는가?

주요 결과

• 3차원에서도 RRR 문제는 NP-완전함을 입증하여 문제의 계산적 난이도를 확인한다.
• 제안된 MDRC 알고리즘은 실제 데이터셋에서 밀리초 수준의 성능을 달성하여 강력한 실용적 확장 가능성을 보여준다.
• RRR 부분집합은 특히 고차원 데이터에서 파레토 최적(스카이라인) 집합보다 크게 작으며, 강력한 최상위-k 커버리지를 유지한다.
• 순위-회귀 측정치는 임의의 점수 척도에 의해 오해를 낳을 수 있는 점수 기반의 회귀보다 더 의미 있고 해석 가능한 결과를 이끌어낸다.
• k-집합에 대한 기하학적 경계는 RRR 부분집합의 크기에 대한 이론적 근거를 제공하며 알고리즘 설계를 안내한다.
• 실험 결과 RRR는 작은 부분집합 크기로 낮은 순위-회귀를 달성하며, 실용적 유용성에서 전통적인 회귀 비율 최소화 기법을 능가한다.