यह शोधपत्र सामूहिक निर्णय-निर्माण हेतु अभिकर्ता वरीयता एकत्रीकरण की समस्या पर विचार करता है, जो विविध क्षेत्रों में एक महत्वपूर्ण मुद्दा है। सामाजिक चयन सिद्धांत में विशिष्ट गुणों (स्वयंसिद्धों) के साथ एकत्रीकरण नियमों को डिज़ाइन करने की चुनौतियों पर विचार करते हुए, हम आँकड़ों से एकत्रीकरण नियमों, विशेष रूप से मतदान नियमों, को सीखने की एक विधि प्रस्तावित करते हैं। मौजूदा अध्ययनों के बड़े पैमाने के मॉडलों या वरीयता निरूपणों की सीमाओं को दूर करने के लिए, हम इस समस्या को एक संभाव्य फलन अधिगम समस्या के रूप में पुनर्परिभाषित करते हैं जो अभ्यर्थियों के एक समूह पर एक संभाव्यता वितरण आउटपुट करता है। हम एक तंत्रिका नेटवर्क का उपयोग करके संभाव्य सामाजिक चयन फलन सीखते हैं और सामाजिक चयन सिद्धांत से मानक एम्बेडिंग का उपयोग करके वरीयता प्रोफ़ाइल एन्कोडिंग की प्रभावशीलता और अधिगम क्षमता का प्रदर्शन करते हैं। हम प्रदर्शित करते हैं कि नियमों को पिछले अध्ययनों की तुलना में तेज़ी से और एक छोटे नेटवर्क के साथ सीखा जा सकता है। इसके अलावा, हम प्रदर्शित करते हैं कि स्वयंसिद्ध गुणों का उपयोग सीखे गए नियमों को नए मतदान नियम बनाने के लिए परिष्कृत करने के लिए किया जा सकता है, और यह दृष्टिकोण कुछ प्रकार के हमलों (जैसे, संभाव्य गैर-प्रतिक्रिया विरोधाभास) के प्रति प्रतिरोध को बढ़ाता है।
