전이성 없는 쌍대 비교 모델과 이론적 분석

초록

본 논문은 전이성(stochastic transitivity) 가정 없이 쌍대 비교 데이터를 모델링하는 새로운 프레임워크를 제시한다. 비교 확률을 저차원 스큐 대칭 행렬로 표현하고, 핵노름 제약을 통한 저계수 구조를 가정한다. 로그우도 최대화 문제를 핵노름 제한과 스큐 대칭성 조건을 넣어 convex 최적화로 풀며, 제안된 추정량이 데이터 희소도에 적응하는 minimax 최적 속도를 달성함을 이론적으로 증명한다. 또한 스펙트럴 이론을 활용한 알고리즘을 제시하고, 시뮬레이션 및 e‑스포츠·테니스 데이터에 적용해 기존 Bradley‑Terry 모델보다 우수한 예측 성능을 확인한다.

상세 분석

이 논문은 전통적인 Bradley‑Terry(BT)와 Thurstone 모델이 전제하는 ‘전이성’ 가정이 실제 복합 전략 게임이나 다중 스킬이 존재하는 상황에서 크게 위배될 수 있음을 지적한다. 이를 극복하기 위해 저차원 스큐 대칭 행렬 M을 도입하고, 각 쌍(i,j)의 승리 확률을 로지스틱 링크 π_{ij}=g(m_{ij})로 정의한다. 스큐 대칭성(M=−M^T) 때문에 π_{ij}=1−π_{ji}가 자동으로 보장되며, 전이성은 M에 부과되는 순위 제약이 사라짐으로써 자연스럽게 해제된다.

핵심은 M이 ‘근사 저계수(low‑rank)’ 구조를 가진다고 가정하고, 이를 핵노름(‖M‖_*) ≤ C_n n 으로 제한함으로써 파라미터 공간을 축소한다는 점이다. 핵노름 제약은 정확한 계수(rank) 선택이 필요 없는 연속적인 튜닝 파라미터를 제공해, 실제 데이터에서 다양한 약한 요인과 몇 개의 강한 요인이 공존하는 상황에 유연하게 대응한다.

통계적 추정은 로그우도 L(M)를 최대화하면서 위 제약을 만족하는 M̂을 찾는 convex 최적화 문제(2)로 정의된다. 이 문제는 스큐 대칭성 조건을 유지하면서도 핵노름 제한을 포함하므로, 표준 반사(proximal) 방법이나 ADMM을 이용해 효율적으로 해결할 수 있다. 논문은 특히 희소 관측(관측된 쌍의 비율이 O(log n/n) 이상) 상황을 고려해, n이 커질수록 비교 그래프가 연결성을 유지하도록 가정한다.

이론적 결과는 두 단계로 전개된다. 첫째, Assumption 1(실제 M가 K 안에 존재)과 Assumption 2(각 n_{ij}가 독립적인 Binomial(T, p_{ij,n}) 분포)를 전제로, 추정된 확률 행렬 Π̂와 진짜 Π 사이의 평균 제곱 Frobenius 오차가
\