[论文解读] A continuous rating method for preferential voting

Rosa Camps, Xavier Mora+1 more|ArXiv.org|Oct 13, 2008

advanced mathematical theories参考文献 27被引用 5

一句话总结

本文提出了一种连续Llull Condorcet（CLC）评分方法，这是一种满足关键民主标准的偏好投票连续定量评分系统。通过将成对比较矩阵投影到一致矩阵空间并应用标准评分技术，该方法确保了连续性、克隆一致性以及对Condorcet原则的遵守——为像路径法这样的序数方法提供了数学上严谨且连续的补充。

ABSTRACT

A method is given for quantitatively rating the social acceptance of different options which are the matter of a preferential vote. The proposed method is proved to satisfy certain desirable conditions, among which there is a majority principle, a property of clone consistency, and the continuity of the rates with respect to the data. One can view this method as a quantitative complement for a qualitative method introduced in 1997 by Markus Schulze. It is also related to certain methods of one-dimensional scaling or cluster analysis.

研究动机与目标

• 开发一种用于偏好投票的连续定量评分方法，以补充现有的序数Condorcet方法。
• 确保评分相对于输入票数频率保持连续，克服以往方法（如排名对方法）的关键局限性。
• 满足基本的民主标准，包括多数原则、克隆一致性和Condorcet原则。
• 为纯粹的序数方法（如Schulze的路径法）提供一种定量替代方案，支持类似排名的评分和类似分数的评分。
• 形式化一种基于投影的方法，将成对比较数据转化为稳定且可解释的社会评分。

提出的方法

• 该方法将成对比较评分矩阵投影到满足Robinson和Greenberg条件的特殊矩阵集合上，以确保与一维标度的一致性。
• 采用两步过程：首先，通过投影强制实现结构一致性（Robinson条件），然后通过平均排名法进行评分。
• CLC评分被定义为对投影矩阵应用平均排名法的结果，从而确保输入数据的连续性。
• 该方法使用原始成对比较矩阵到最大路径矩阵的变换，然后调整该矩阵以满足Robinson条件。
• 它定义了从票数配置空间到评分空间的连续映射，确保票数的微小变化仅导致评分的微小变化。
• 该方法通过将框架扩展至包含偏序关系并使用矩阵结构的迭代优化，处理不完整和截断的排名。

实验结果

研究问题

• RQ1 能否构建一种用于偏好投票的连续评分方法，使其满足Condorcet原则和克隆一致性？
• RQ2 所提出的方法是否能确保票数频率的微小变化仅导致评分的微小变化？
• RQ3 如何将Schulze方法（一种满足Condorcet原则的序数排序）的定性输出一致地转换为定量评分？
• RQ4 评分系统必须满足哪些数学性质，才能既保持连续性又忠实于底层的成对比较数据？
• RQ5 该方法能否扩展以处理不完整或截断的排名，同时保持连续性和一致性等关键属性？

主要发现

• CLC方法满足多数原则，确保在所有成对比较中被多数人偏好的候选人评分高于其他任何候选人。
• 该方法相对于输入票数频率保持连续，即票数的微小变化仅导致评分的微小变化。
• 该方法保持克隆一致性，即克隆一个候选人不会改变其他候选人的相对评分。
• CLC方法同时产生类似排名的评分和类似分数的评分，两种排序仅在类似排名评分的顶部段落存在差异。
• 该方法成功解决了先前方法的关键局限：尽管底层Condorcet框架使用了序数逻辑，但其评分避免了不连续性。
• 一个包含10名选民和5个选项的示例表明，该方法避免了其他方法中出现的不连续性：例如，候选者b的类似排名评分在票数有利变化后，从2.90增加到3.00，但未出现不连续跳跃。