Ordinal Concordance (次序一致性)
Definition. 两个向量的分量若诱导同一序(任何分量对 (i,j),u_i-u_j 与 v_i-v_j 同号),则称为"次序一致(similarly ordered)"或"次序一致对"(similarly ordered vectors);若诱导相反序则为"次序相反(discordant)"。这是比"线性依赖"更广的等价类——保留了完整排序结构、允许任意单调非线性形变。
形式化
Definition (Similar Vectors). \mathbf u,\mathbf v\in\mathbb R^d 称为次序一致若
\forall\, 1\le i,j\le d:\quad (u_i-u_j)(v_i-v_j) \ge 0 等价于不存在 discordant pair。
Definition (Discordant Vectors). 反之若 (u_i-u_j)(v_i-v_j)\le 0\ \forall i,j,则称次序相反。
直观例子(论文 §2.1): 三位专家给 4 名候选人打分, e_1=(1,5.5,2,4), e_2=(2,6,3,5) —— 绝对分数不同但相对排序完全一致(候选人 2 ≻ 4 ≻ 3 ≻ 1),e_1 与 e_2 就是次序一致对。e_3=(9,4.5,8,6) 与 e_1 大致相反,次序相反。
与 Kendall τ、Spearman 等级相关的区别
| 度量 | 衡量内容 | 对单调变换 | 对加性缩放 | 复杂度 |
|---|---|---|---|---|
| Kendall τ | 一致对 / 不一致对比例 | 不变 | 不变 | O(d\log d) |
| Spearman ρ | 等级相关系数 | 不变 | 不变 | O(d\log d) |
| 次序一致 | 是否所有分量对严格同号 | — | 不变 | O(d^2) 朴素 |
| recos | 借助重排不等式的点积上界归一化 | — | 部分保持 | O(d\log d) |
recos 的关键创新:用重排不等式(Rearrangement Inequality)把"次序一致"的几何信息编码进点积的归一化分母,从而得到一个与点积同分布的相似度(不是单独的秩相关系数),并能与 cos 直接互换于向量检索 / 分类 pipeline。
与线性依赖、范数的关系
| 关系类 | 包含 | 例 |
|---|---|---|
| identical/anti-identical \mathbf u=\pm\mathbf v | ⊂ | e_1 vs e_1 |
| linear dependence \mathbf v=k\mathbf u | ⊂ | e_1 vs 1.225\times e_1 |
| permuted + scaled \mathbf v=kP\mathbf u | ⊂ | e_1 vs permute(e_1) |
| ordinal concordance(同序) | ⊂ | e_1 vs e_6=(1,8.5,2,4) |
| general monotonic (分量任意单调函数变换) | ⊂ | e_1 vs e^{e_1}(按分量) |
层层扩张 — recos 借助的最紧上界正好对应最外层(ordinal concordance)。
在 recos 中的角色
次序一致是 recos 饱和条件的几何名称:
|\text{recos}(\mathbf u,\mathbf v)|=1 \iff \mathbf u,\mathbf v \text{ 同序或反序}
cos 只能饱和到"线性依赖";recos 扩展到"次序一致"——能识别"非线性但同序"的完美关系。
对本 wiki 的意义
Ordinal concordance 在 quant 主题中不直接出现(排序的因子 / 截面动量等都建立在更弱的 Spearman 类等级相关上)。但有两条隐含借鉴路径:
- 单调解的稳健性:在 Cross-Sectional Momentum 这类截面排序策略中,因子-收益关系常被检验为单调("高分位高收益"),但极端 outlier 会扭曲 Pearson 而不影响 Spearman。Ordinal concordance 是同一思想的更广义版本——不仅单调变换不变,还能保留点积的数值意义。
- Embedding 对齐 robustness: 任何把 LLM embedding 当成"软特征"用的 quant pipeline(sentiment factor / news embedding / 概念主题),都比 Pearson 距离更容易受 LLM 偏置污染。Ordinal-concordance-based 度量(recos 是其中一种实现)是候选 robust alternative。
关键文献
- Xinbo Ai 2026 Beyond Cosine Similarity — recos 与 ordinal concordance 形式化。
- Rearrangement Inequality (stub) — 支撑 recos 紧界的核心不等式。
- Zhou Ethayarajh Card Jurafsky 2022 Cosine Frequency Bias — cos 对次序信息的损失。