Two Simple Algorithms for Generating a Subset of Data Consistent With WARP and Other Binary Relations
生成满足显示偏好弱公理及其他二元关系的数据子集的两种简单算法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要重点是显示偏好与二元关系的一般算法，缺少可直接对应所列领域细分的模型或应用依据，故暂不分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
生成满足显示偏好弱公理及其他二元关系的数据子集的两种简单算法
- 研究问题
- 如何将观测数据划分为满足显示偏好弱公理（WARP）的子集及其补集，并把同类算法用于其他二元关系？
- 方法与思路
- 作者提出快速但非精确的算法及精确算法，分别生成满足 WARP 的数据子集；摘要称两者也可用于非参数生产公理等关系。
- 材料陈述的贡献
- 摘要将主要贡献归于速度很快的非精确算法，并称该划分可作为计算满足强公理和广义公理的数据子集的第一步。
- 阅读关注点
- 核对“精确”与“非精确”针对何种目标、子集的选择规则及运算规模，并检查扩展到其他二元关系所需的条件。
- 阅读边界
- 摘要未说明具体算法、精确性的判定目标或复杂度；快速算法的近似程度及精确算法的规模限制需由全文核对。
原文摘要
The authors give two algorithms which partition data into two subsets, a set consistent with the weak axiom of revealed preference (WARP) and its complement. Their main contribution is a very fast, but inexact, algorithm. The authors also describe an exact algorithm which will be impractical for large data sets. These same algorithms may be applied to several other binary relationships such the nonparametric production axioms. Since violations of WARP are also violations of the strong and generalized axioms, these algorithms are a logical first step in computing subsets consistent with these relations.