具有半随机对手的谱排序的逐元素误差界
机器学习
2026-05-25 v1 统计理论
机器学习
统计理论
摘要
Bradley-Terry-Luce (BTL) 模型估计是一种成熟的方法，用于在给定成对比较数据集的情况下对一组项目进行排序。尽管 BTL 估计方法（如谱估计和最大似然估计）的理论性能在均匀采样图的情况下已得到充分研究，但将此类结果推广到更广泛的随机图类已被证明具有挑战性。在这项工作中，我们研究了谱算法在面对半随机对手时的逐元素误差，该对手可以任意提升某些边的采样概率。我们发现，无权谱方法的性能严重依赖于生成图的谱性质。此外，我们表明，通过对观察到的边进行适当的重新加权以抵消对手的影响并恢复谱隙，可以恢复接近均匀采样图性能的渐近性能。最后，我们提供了支持我们理论发现的数值模拟。
引用
@article{arxiv.2605.23854,
title = {Entrywise Error Bounds for Spectral Ranking with Semi-Random Adversaries},
author = {Dongmin Lee and Anuran Makur and Japneet Singh},
journal= {arXiv preprint arXiv:2605.23854},
year = {2026}
}
备注
17 pages, 2 figures, 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2