使用乘性效用函数的 k-遗憾查询
数据库
2018-09-12 v4
摘要
k-遗憾查询旨在返回数据库 D 的一个大小为 k 的子集 S，使得对于任何从该大小为 k 的子集 S 而非从数据库 D 中选择数据对象的查询用户，其遗憾比率被最小化。此处的遗憾比率由 S 中的局部最优对象与 D 中的全局最优对象之间最优性的相对差异来建模。数据对象的最优性进而由查询用户的效用函数建模。与传统的 top-k 查询不同，k-遗憾查询并非针对特定效用函数最小化遗憾比率。相反，它考虑一个无限效用函数族 F，旨在找到使 F 中任何效用函数的最大遗憾比率最小化的大小为 k 的子集。关于 k-遗憾查询的研究集中在加性效用函数族上，这在建模个人偏好和决策过程中存在局限性，特别是对于被称为边际替代率递减 (DMRS) 的常见现象。我们引入了使用乘性效用函数的 k-遗憾查询，其在建模 DMRS 时更具表达能力，以克服这些局限性。我们提出了一种具有有界遗憾比率的查询算法。为了展示该算法的适用性，我们将其应用于一类特殊的乘性效用函数族，即微观经济学中常用的 Cobb-Douglas 效用函数族，以及与其密切相关的另一族效用函数，即常替代弹性效用函数族。在对查询性质进行进一步研究后，我们提出了一种启发式算法，该算法在实践中产生更小的遗憾比率。对所提出算法的大量实验证实，它们始终能实现较小的最大遗憾比率。
引用
@article{arxiv.1609.07964,
title = {K-Regret Queries Using Multiplicative Utility Functions},
author = {Jianzhong Qi and Fei Zuo and Hanan Samet and Jia Cheng Yao},
journal= {arXiv preprint arXiv:1609.07964},
year = {2018}
}