다양한 노름에서 순위 보존 임베딩의 가능성

초록

본 논문은 유권자와 대안의 순위 정보를 실수 벡터 공간에 거리 형태로 변환하는 순위 보존 임베딩(rank‑preserving embedding)의 존재 조건을 일반적인 p‑노름 및 임의의 노름으로 확장한다. 기존에 알려진 유클리드(ℓ₂)와 맨해튼(ℓ₁) 노름 결과를 일반 p‑노름(1≤p≤∞)에 대해 d≥min{n,m−1}이면 항상 가능함을 증명하고, 특히 두 명의 유권자만 있을 때는 어떤 노름이든 2차원 공간(R²)으로 임베딩할 수 있음을 보인다.

상세 분석

논문은 먼저 순위 보존 임베딩을 “대안‑순위 임베딩(AR embedding)”이라는 구조적 구성으로 정의한다. AR 임베딩에서는 각 유권자를 표준 기저벡터 e_i에 스칼라 c를 곱해 배치하고, 각 대안 a_j는 (−rk_i(j))_i 형태의 좌표벡터로 만든다. 이때 rk_i(j)는 유권자 i가 대안 j에 부여한 순위(1이 최고)이다. 기존 연구에서 ℓ₂ 노름에 대해 충분히 큰 c를 선택하면 거리 순서가 정확히 순위 순서와 일치함을 보였는데, 저자는 이를 모든 p‑노름(1<p<∞)에 대해 동일한 논리를 적용한다. 핵심은 거리의 p제곱 ‖v_i−a_j‖p^p 를 전개했을 때 c와 순위 항이 분리되어, c가 충분히 크면 순위 차이에 비례하는 항이 우세해 거리 부등식이 순위 부등식과 동치가 된다. 특히 식 (c+2)^p−(c+1)^p 가 단조 증가함을 이용해 모든 n에 대해 적절한 c가 존재함을 보인다. ℓ∞ 경우는 최대값이 c+rk_i(j) 로 지배되므로 동일한 결론이 즉시 따라온다. 반면 ℓ₁에서는 (c+2)−(c+1)=1이 상수이므로 위와 같은 증명이 무력화되고, 기존 연구의 “최대‑순위 임베딩(max‑rank embedding)”을 차용한다. 이 방법은 거리 ‖v_i−a_j‖_1 를 순위에 대한 선형 함수로 만들며, ℓ₁ 전용 설계임을 명시한다.

다음으로 대안 수 m에 의존하는 차원 축소 결과를 다룬다. 저자는 ℓ_p (1<p<∞)에서 단위 벡터 집합 {e_1,…,e_m}을 적절히 회전·스케일링해 서로 다른 대안들의 좌표를 m−1 차원 초평면에 배치한다. 핵심 보조정리(Lemma 1)는 p‑노름 하에서 두 개의 단위 벡터 사이에 존재하는 초평면이 모든 다른 단위 벡터를 한쪽에, 나머지를 다른쪽에 분리할 수 있음을 보이며, 이는 ℓ₂ 경우의 정규 직교성 일반화이다. 이를 이용해 각 대안을 서로 다른 방향으로 배치하고, 유권자들을 충분히 큰 스칼라 c를 곱한 표준 기저에 놓음으로써 거리 순서가 순위 순서와 일치하도록 만든다. 결과적으로 d≥m−1이면 언제든지 임베딩이 가능함을 증명한다.

마지막으로 두 명의 유권자만 존재할 때는 노름의 형태와 무관하게 2차원 평면에 임베딩할 수 있음을 보인다. 여기서는 AR 임베딩 대신 “기하학적 교차점” 구성을 사용한다. 두 유권자를 각각 (c,0)와 (0,c) 위치에 두고, 각 대안을 두 원(ℓ_p‑볼)과의 교차선 위에 배치한다. ℓ_p‑볼은 좌표축에 대해 대칭이며, 두 원이 교차하는 곡선은 p‑노름에 따라 달라지지만 항상 연속적인 곡선을 이루므로 대안을 원하는 순서대로 배치할 수 있다. 이 증명은 계산적 복잡성을 최소화하고, 임의 노름(예: 2‖·‖₁+5‖·‖₂)에도 적용 가능함을 강조한다.

전체적으로 논문은 (1) 모든 p‑노름에 대해 기존 ℓ₂,ℓ₁ 결과를 일반화, (2) 차원 하한 d≥min{n,m−1}을 유지, (3) 두 유권자 경우에 모든 노름에서 d=2 sufficiency를 제공함으로써 공간 선호 모델의 적용 범위를 크게 확장한다는 점에서 의의가 크다. 또한 증명 기법이 “c‑스케일링 + 순위‑벡터”와 “초평면 분리”라는 두 가지 핵심 아이디어에 기반함을 명확히 제시한다.