从社会到个体：面向众包偏好聚合的多层次简约模型路径

在众包偏好聚合中，通常假设所有标注者都服从一个共同的偏好或社会效用函数，该函数生成了他们在实验中的比较行为。然而在现实中，由于多准则、异常行为或此类行为的混合，标注者会表现出差异。在本文中，我们提出了一种简约的混合效应模型，该模型既考虑了大多数标注者遵循共同线性效用模型的固定效应，也考虑了部分标注者可能显著偏离共同模型并表现出强烈个性化偏好的随机效应。本文的关键算法建立了一条从社会效用到个体差异的动态路径，在个性化上具有不同级别的稀疏性。该算法基于 Linearized Bregman Iterations，易于并行实现，以满足大规模数据分析的需求。在这一统一框架下，提出了三种随机效用模型，包括带 L2 损失的基本线性模型、Bradley-Terry 模型和 Thurstone-Mosteller 模型。基于模拟数据集和真实世界数据集的实验支持了这些多层次模型的有效性，结果表明，与传统的 HodgeRank 相比，简约的多层次模型在可解释性和预测精度上均有提升。