본 논문은 실제 세계의 매칭 문제에서 요구되는 조건들을 공식화하기 어렵고, 설계된 매칭 메커니즘이 이론적 조건들을 만족해야 하는 어려움을 해결하기 위해, 전략적 방어(strategy-proofness, SP)를 보장하고 임의의 에이전트 수와 공개적인 에이전트 정보를 처리할 수 있는 새로운 매칭 메커니즘을 제안한다. 기존의 매칭 메커니즘 학습 프레임워크는 SP를 보장하지 않고, 에이전트 수의 변화와 맥락 정보를 처리하지 못하는 한계를 가지고 있다. 본 논문에서는 직렬 독재(Serial Dictatorship, SD) 기반의 새로운 매칭 메커니즘인 NeuralSD를 제안한다. NeuralSD는 주의 기반 서브 네트워크를 사용하여 에이전트의 맥락 정보로부터 학습 가능한 매개변수로 SD에서의 에이전트 순위를 계산하는 신경망 아키텍처이다. 학습을 가능하게 하기 위해, 텐서 연산을 사용한 SD의 미분 가능한 완화 기법인 텐서 직렬 독재(Tensor Serial Dictatorship, TSD)를 도입한다. 실험 결과, NeuralSD는 SP를 만족하면서 매칭 예측 및 매칭 결과의 여러 지표에서 기존 방법보다 우수한 성능을 보였다.
