本文研究一个将物品和代理人联系起来的问题，即在代理人对物品有固定的内在效用的情况下，如何以一定的规则选择物品，以便最大化所有代理人共同获得的总效用。虽然实际效用只是内在效用的一部分，但该效用率取决于代理人对选择物品的排名，我们提供了一个形式化的模型规范，并给出了具体的适用范例及其自然特例的可行性结果。

Feb, 2014

我们引入了一种新的定义，即在度量空间中，对于一个要表示的集合 V（如文件或选民）和一组可能的代表 C，我们的标准要求对于 V 的任何包含 theta 分数的子集 S，S 到其在 R 中最佳的 theta*k 个点的平均距离与其到 C 中所有点的最佳 theta*k 个点的平均距离相比，不超过一个因子 gamma。

Dec, 2023

研究公平的顺序决策问题，提出了三种有吸引力的选举规则，证明它们确实满足基于比例正当理由的公理，包括基于 α 和 β 的增强版本，同时展示了它们在合成数据和美国政治选举中的性能。

Jun, 2023

本文研究了基于批准的多胜选举，旨在选择代表选民偏好的委员会，作者考察了不同的选举规则并探讨了它们的比例代表性，最终给出了一种关于选择代表性委员会与效用效率平衡的权衡方案。

Oct, 2018

我们介绍了一种算法框架，用于处理多获胜者投票问题，并在特定属性方面保持公平。该框架可以满足多个非不相交属性的公平性要求，并且可以指定一个评分函数。我们研究了单调和次模评分函数的计算复杂度，针对各种属性组结构和评分函数类型提出了几种近似算法和匹配的近似难度结果。我们还进行了模拟实验，结果表明添加公平约束可能不会对分数产生显著影响。

Oct, 2017

在机器学习中，我们提出了一个新的公理，即比例表示公平（PRF），并设计了高效的算法来实现公平聚类，这一概念以一种更有说服力的方式实现了现有概念的存在原因。

Apr, 2023

我们研究了陈等人的比例聚类问题，并将其与计算社会选择中的多胜者投票领域相关联。我们展示了任何满足 Brill 和 Peters 的弱比例概念的聚类同时获得陈等人比例公平概念、个体公平和 “核心” 的最佳已知拟合度。事实上，我们证明了任何对比例公平的近似也是对个体公平的近似，反之亦然。最后，我们还研究了比例代表性更强的概念，在这些概念中，偏差不仅发生在单个候选中心，还发生在多个候选中心，并且展示了 Brill 和 Peters 的更强比例概念对这些更严格的保证的拟合度。

Oct, 2023

通过在单词嵌入中联合学习文本特征的分布式表征的一般框架，我们提出了一种第三阶段模型，其中单词环境和属性向量相互作用以预测序列中的下一个单词，并通过情感分类、跨语言文本分类和博客作者归因等多个实验任务进行了评估。

Jun, 2014

在计算机科学中，研究参与性预算（PB）的技术方案，让选民基于项目的偏好和权重决定项目的分配。 通过提出比例代表公理并发现一种新的解决方案概念，解决了 PB 和其他偏好聚合设置之间的问题，该解决方案可以在多项式时间内实现。新方案称为包容性 PSC（IPSC），它比比例公正代表更强并且与 EJR 兼容。

Nov, 2019

在多选区域的选举中，选择一个固定大小的委员会是一个重要的问题，该文研究了表征解决方案的不同准则，提出了基于审批投票规则的斯特林式方法，并将其扩展为 Proportional Justified Representation。

Nov, 2016