論文の概要: Invitation in Crowdsourcing Contests

• arxiv url: http://arxiv.org/abs/2112.02884v1
• Date: Mon, 6 Dec 2021 09:18:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-07 18:00:54.884717
• Title: Invitation in Crowdsourcing Contests
• Title（参考訳）: クラウドソーシングコンテストの招待
• Authors: Qi Shi, Dong Hao
• Abstract要約: 本研究では,クラウドソーシングコンテストにおけるエージェントのインセンティブのモデル化と設計において,人々の社会的結びつきが重要な要素であると考えている。 我々は,依頼者が近隣住民を招待してタスクに貢献させる,新たなコンテスト機構を確立する。 我々の均衡分析によると、ベイズ・ナッシュの均衡エージェントの行動は、本質的な能力に加えて、エージェント間の社会的関係も意思決定において中心的な役割を果たす。
• 参考スコア（独自算出の注目度）: 9.860944032009847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In a crowdsourcing contest, a requester holding a task posts it to a crowd. People in the crowd then compete with each other to win the rewards. Although in real life, a crowd is usually networked and people influence each other via social ties, existing crowdsourcing contest theories do not aim to answer how interpersonal relationships influence peoples' incentives and behaviors, and thereby affect the crowdsourcing performance. In this work, we novelly take peoples' social ties as a key factor in the modeling and designing of agents' incentives for crowdsourcing contests. We then establish a new contest mechanism by which the requester can impel agents to invite their neighbours to contribute to the task. The mechanism has a simple rule and is very easy for agents to play. According to our equilibrium analysis, in the Bayesian Nash equilibrium agents' behaviors show a vast diversity, capturing that besides the intrinsic ability, the social ties among agents also play a central role for decision-making. After that, we design an effective algorithm to automatically compute the Bayesian Nash equilibrium of the invitation crowdsourcing contest and further adapt it to large graphs. Both theoretical and empirical results show that, the invitation crowdsourcing contest can substantially enlarge the number of contributors, whereby the requester can obtain significantly better solutions without a large advertisement expenditure.
• Abstract（参考訳）: クラウドソーシングコンテストでは、タスクを保持している要求者がそれを群衆に投稿します。 群衆の人々は、報酬を獲得するために互いに競います。 実生活では、集団は通常ネットワーク化され、人々は社会的結びつきを通じて影響を及ぼすが、既存のクラウドソーシングコンテスト理論は、対人関係が人々のインセンティブや行動にどのように影響するかを問わないため、クラウドソーシングのパフォーマンスに影響を及ぼす。 本研究では,クラウドソーシングコンテストにおけるエージェントのインセンティブをモデル化し,設計する上で,人々の社会的つながりを重要な要素として捉えた。 次に,要求者が近隣住民を招待してタスクに貢献させる,新たなコンテスト機構を確立する。 このメカニズムは単純なルールであり、エージェントのプレイが非常に簡単です。 我々の平衡分析によれば、ベイズ・ナッシュの均衡エージェントの行動は、内在的な能力に加えて、エージェント間の社会的つながりも意思決定の中心的な役割を担っているという。 その後、招待者クラウドソーシングコンテストのベイズナッシュ均衡を自動的に計算し、さらに大きなグラフに適用する効果的なアルゴリズムを設計する。 理論的および実証的な結果から、招待クラウドソーシングコンテストは、コントリビュータの数を大幅に増やし、大きな広告費を使わずに、より優れたソリューションを得ることができることを示す。

関連論文リスト

• Benchmarking Robustness and Generalization in Multi-Agent Systems: A Case Study on Neural MMO [50.58083807719749]
  IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。 この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。 環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
  論文  参考訳（メタデータ） (2023-08-30T07:16:11Z)
• Improving Fairness in Adaptive Social Exergames via Shapley Bandits [7.215807283769683]
  フェアネスを意識したマルチアームバンディットShapley Banditsを提案する。 グループ全体のアウトプットではなく、プレーヤ全体の参加と介入の定着を高めるために、Shapley Valueを使用する。 以上の結果から,我々のShapley BanditsはGreedy Bandit Problemを効果的に媒介し,参加者間のユーザ維持とモチベーションの向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2023-02-18T11:34:02Z)
• Neural Payoff Machines: Predicting Fair and Stable Payoff Allocations Among Team Members [13.643650155415484]
  ニューラルネットワークをトレーニングすることで,協調的なゲーム理論解を学習モデルに蒸留する方法を示す。 我々の手法はトレーニング分布から遠く離れたゲームに一般化できるモデルを作成する。 私たちのフレームワークの重要な応用は、説明可能なAIです。
  論文  参考訳（メタデータ） (2022-08-18T12:33:09Z)
• Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
  本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。 本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
  論文  参考訳（メタデータ） (2022-06-27T08:16:59Z)
• Detecting adversaries in Crowdsourcing [71.20185379303479]
  本研究は, クラウドソース型分類における敵の影響を, 人気のダウィド・アンド・スケネモデルを用いて検討する。 敵は、クラウドソーシングモデルから任意に逸脱することを許され、潜在的に協力する可能性がある。 我々は,アノテータ応答の2次モーメント構造を利用して,多数の敵を識別し,クラウドソーシングタスクへの影響を軽減するアプローチを開発した。
  論文  参考訳（メタデータ） (2021-10-07T15:07:07Z)
• Emergent Prosociality in Multi-Agent Games Through Gifting [14.943238230772264]
  強化学習アルゴリズムは、複数の平衡が存在する場合、社会的に望まれない均衡に収束する。 我々は,より社会的に望ましい均衡に向けてエージェントを誘導する,制約の少ないピアリワード機構,ギフトの利用を提案する。 我々は、社会的均衡への収束における贈与の利点を捉えた理論的枠組みを用いる。
  論文  参考訳（メタデータ） (2021-05-13T23:28:30Z)
• Maximizing Social Welfare in a Competitive Diffusion Model [19.18481967353127]
  UIC(IM)は、バイラルマーケティングや感染封じ込めなどの応用により、多くの注目を集めている。 少数のシードユーザを選択して採用することで,ネットワーク内の多数のユーザに普及させることを目指している。 既存の競合IMの研究にはいくつかの制限がある。
  論文  参考訳（メタデータ） (2020-12-06T19:09:12Z)
• Moody Learners -- Explaining Competitive Behaviour of Reinforcement Learning Agents [65.2200847818153]
  競合シナリオでは、エージェントは動的環境を持つだけでなく、相手の行動に直接影響される。 エージェントのQ値の観察は通常、その振る舞いを説明する方法であるが、選択されたアクション間の時間的関係は示さない。
  論文  参考訳（メタデータ） (2020-07-30T11:30:42Z)
• Competing Bandits: The Perils of Exploration Under Competition [99.68537519404727]
  オンラインプラットフォーム上での探索と競争の相互作用について検討する。 私たちは、スタークコンペティションが企業に対して、低福祉につながる「欲張り」バンディットアルゴリズムにコミットするよう促すことに気付きました。 競争を弱めるための2つのチャンネルについて検討する。
  論文  参考訳（メタデータ） (2020-07-20T14:19:08Z)
• On Emergent Communication in Competitive Multi-Agent Teams [116.95067289206919]
  外部のエージェントチームによるパフォーマンスの競争が社会的影響として作用するかどうかを検討する。 以上の結果から,外部競争の影響により精度と一般化が向上し,コミュニケーション言語が急速に出現することが示唆された。
  論文  参考訳（メタデータ） (2020-03-04T01:14:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。