연속적 선호 투표 평점 방법

이 논문은 선호 투표에서 후보들을 사회적 수용도에 따라 연속적인 수치로 평가하는 새로운 방법인 CLC(Continuous Llull‑Condorcet) 평점 방식을 제시한다. 기존의 두 전통적 평점 방식—첫 번째 선택 비율(각 후보가 1위가 된 표 비율)과 평균 순위(각 후보의 순위 평균)—은 각각 장점과 단점을 가지고 있지만, 다수 원칙이나 복제 일관성 같은 중요한 공리를 동시에 만족시키지 못한다. 또한 Schulze가 제안한 “경로 방법”(method of paths)과 Ranked Pairs와 같은 Condorcet 기반 순위 결정 알고리즘은 승자를 결정하거나 순위만 제공하지만, 연속적인 수치 평점을 제공하지 못한다. 특히, 이러한 알고리즘은 연속성 공리를 위배하여 투표 데이터가 미세하게 변할 때 평점이 급격히 변하는 문제가 있다. 저자들은 이러한 문제점을 해결하기 위해, 먼저 모든 유권자의 순위표를 쌍 비교 점수 행렬(Vij)로 변환한다. 여기서 Vij는 후보 i가 후보 j보다 얼마나 많이 선호되는지를 나타낸다. 그 다음, Schulze의 경로 알고리즘을 적용해 각 후보 쌍 사이의 ‘강도‑우위’ 값을 계산하고, 이를 초거리(ultrametric) 형태의 행렬로 투사한다. 초거리 행렬은 삼각 부등식과 대칭성을 만족하며, 후보 간의 상대적 거리를 연속적인 값으로 표현한다. 초거리 행렬이 얻어지면, 두 개의 표준 평점 절차를 순차적으로 적용한다. 첫 번째는 평균 순위 방법을 이용해 순위형 평점을 산출하는 단계이다. 이 단계에서는 각 후보 i에 대해 모든 다른 후보와의 초거리 값을 평균하여 순위형 점수 ri를 구한다. ri는 1(최고)부터 N(최저) 사이의 실수이며, 후보 간의 상대적 순위를 명확히 보여준다. 두 번째는 비율형 평점을 계산하는 단계로, 초거리 행렬을 이용해 각 후보가 실제로 얻을 수 있는 ‘첫 번째 선택 비율’의 연속적 추정값 pi를 구한다. pi는 0 이상이며, 모든 후보의 pi 합은 전체 투표 참여율(즉, 비어 있지 않은 투표의 비율)과 동일하게 정규화된다. 논문은 제안된 CLC 방법이 다음과 같은 10가지 핵심 공리를 만족함을 수학적으로 증명한다. 1. **스케일 불변성(A)**: 투표 데이터가 복제되더라도 평점은 변하지 않는다. 2. **순열 동형성(B)**: 후보 순서를 바꾸면 평점도 동일하게 순열된다. 3. **연속성(C)**: 투표 비율이 연속적으로 변하면 평점도 연속적으로 변한다. 이는 특히 불완전(부분) 순위에서 중요한데, 기존 Condorcet 방법은 이 속성을 잃는다. 4. **순위형 범위(D)**: 순위형 평점은 1과 N 사이의 실수이며, 1이 최선, N이 최악이다. 5. **순위형 분해(E)**: 완전 투표에서 후보들을 ‘상위 클래스’와 ‘하위 클래스’로 구분하면, 각 클래스 내부의 순위형 평점을 독립적으로 계산할 수 있다. 6. **비율형 범위(F)**: 비율형 평점은 0 이상이며, 전체 합은 투표 참여율(예: 0.85)과 같다. 7. **비율형 분해(G)**: 상위 클래스가 명확히 구분될 경우, 상위 후보들의 비율은 양수, 하위 후보는 0이 된다. 8. **플럼프 투표(H)**: 모든 유권자가 단일 후보에만 표를 던지는 경우, 비율형 평점은 전통적인 득표 비율과 동일하게 된다. 9. **다수 원칙(I)**: ‘상위 클래스’가 하위 클래스를 절반 이상 우위에 있으면 사회적 순위도 동일하게 반영한다. 완전 투표에서는 Condorcet 원칙과 동치가 되지만, 불완전 투표에서는 약화된 형태만 만족한다. 10. **복제 일관성(J)**: 후보군이 복제(클론)될 경우, 사회적 순위는 클론을 하나로 축소했을 때와 동일하게 유지된다. 또한, 논문은 CLC 방법이 기존 Schulze‑Paths와 평균 순위 방법을 결합한 형태임을 강조한다. 이 결합이 연속적인 평점 산출을 가능하게 하며, 동시에 다수 원칙과 복제 일관성을 보존한다는 점에서 혁신적이다. 실제 적용 예시로는 가상의 5명·4후보 선거, 실제 정치 선거 데이터, 그리고 복제 후보가 포함된 상황 등을 제시한다. 각 예시에서 CLC 평점은 기존 방법과 비교해 더 직관적인 순위와 비율을 제공하며, 특히 투표가 부분적이거나 일부 후보에 대한 정보가 부족한 경우에도 안정적인 결과를 보여준다. 마지막으로, 저자들은 온라인 계산기( http://mat.uab.cat/~xmora/CLCcalculator/ )를 제공하여 연구자와 실무자가 손쉽게 CLC 방법을 적용할 수 있게 하였다. 전체 논문은 18개의 수학적 증명 섹션으로 구성되어 있어, 제안된 알고리즘의 이론적 타당성을 완전하게 뒷받침한다.