社会选择中可信的偏好补全
人工智能
2020-12-15 v1
摘要
由于时常 impractical 地要求智能体对所有备选项提供线性序，对于这些部分排序，有必要进行偏好补全。具体而言，可利用相邻智能体对备选项子集的部分排序来估计每个智能体对所有备选项的个性化偏好。然而，由于智能体的排序是不确定的，可能提供带噪声的排序，因此进行可信的偏好补全必要且重要。故此，本文首先提出一种基于信任的 anchor-kNN 算法，以信任导向的 Kendall-Tau 距离寻找该智能体的 k 近邻可信邻居，从而处理智能体表现出非理性行为或仅提供噪声排序的情况。然后，对于备选项对，可建立从排序空间到偏好空间的一一映射，并基于良好构建的统计度量概率-确定性密度函数评估其确定性与冲突性。因此，可基于确定性与冲突，对前 k 个可信邻居智能体采用某种通用投票规则来进行可信的偏好补全。所提确定性与冲突的性质已通过实证进行研究，且所提方法已在多个数据集上与最先进方法进行了实验验证。
引用
@article{arxiv.2012.07228,
title = {Trustworthy Preference Completion in Social Choice},
author = {Lei Li and Minghe Xue and Huanhuan Chen and Xindong Wu},
journal= {arXiv preprint arXiv:2012.07228},
year = {2020}
}