2023-04-03
排名聚合是民主选举、产品推荐和基因鉴别等许多任务实施过程中的重要工具。近年来，随着排名聚合应用的推广，人们意识到输入排名列表中的不准确信息会给聚合结果带来很大的影响。这个问题也推动了排名聚合鲁棒性研究成为了一个备受瞩目的热点研究问题。当前的排名聚合研究主要致力于开发鲁棒的排名聚合方法，但一个简单明确的测度指标一直是缺失的。
近日，复杂系统国际科学中心吴俊教授团队创新提出了“误差-有效性”曲线（如图1所示），该曲线刻画了不同准确度排名信息场景下的聚合有效性，描述了每种聚合方法给出稳定结果的能力。在此基础上，将该曲线与坐标轴围成的区域面积定义为排名聚合鲁棒性指标，该指标可由梯形法则进行近似求解。实验结果显示该排名聚合鲁棒性测度指标能有效的度量和显著的区分各个方法的鲁棒性。
图1. 基于“误差-有效性”曲线𝜏𝑁𝐸𝐶 = 𝑓(𝛼)的排名聚合鲁棒性度量指标，其中𝛼 是排名信息中的随机误差水平（LRE），𝜏𝑁𝐸𝐶 是聚合有效性指标（NEC）
研究成果发表于《Information Processing and Management》，论文标题为“Measuring robustness in rank aggregation based on the error-effectiveness curve”。复杂系统国际科学中心吴俊教授为该论文通讯作者，文理学院系统科学系讲师肖宇为该论文第一作者，北京师范大学珠海校区为该论文第一完成单位。该研究得到了国家自然科学基金（批准号：72201035，71871217，71731002）、广东省自然科学基金（批准号：2022A1515010661）和北京师范大学珠海校区交叉学科孵化项目的大力支持。《Information Processing and Management》创刊于1963年，致力于发表信息与管理交叉领域的前沿原创研究，为同时被SSCI和SCI检索的中科院一区Top期刊，2022年影响因子IF=7.466。
论文地址：https://www.sciencedirect.com/science/article/pii/S0306457323000924
