본 논문은 다양한 분야에서 중요한 문제인 집단 의사결정을 위한 에이전트 선호도 집계 문제를 다룬다. 사회 선택 이론에서 특정 속성(공리)을 갖는 집계 규칙 설계의 어려움을 고려하여, 데이터로부터 집계 규칙, 특히 투표 규칙을 학습하는 방법을 제안한다. 기존 연구의 대규모 모델 또는 선호도 표현 방식의 제약을 극복하고자, 후보군에 대한 확률 분포를 출력하는 확률적 함수 학습 문제로 재구성한다. 신경망을 사용하여 확률적 사회 선택 함수를 학습하고, 사회 선택 이론의 표준 임베딩을 사용하여 선호도 프로필 인코딩의 효율성 및 학습 능력에 대한 영향을 보여준다. 기존 연구보다 더 빠르고 작은 네트워크로 규칙을 학습할 수 있으며, 공리적 속성을 이용하여 학습된 규칙을 미세 조정하여 새로운 투표 규칙을 만들고, 특정 유형의 공격(예: 확률적 무응답 역설)에 대한 저항력을 높일 수 있음을 보인다.
