論文の概要: Equity Promotion in Online Resource Allocation
- arxiv url: http://arxiv.org/abs/2112.04169v2
- Date: Thu, 9 Dec 2021 02:49:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-10 12:54:37.755333
- Title: Equity Promotion in Online Resource Allocation
- Title（参考訳）: オンライン資源配分におけるエクイティプロモーション
- Authors: Pan Xu and Yifan Xu
- Abstract要約: 我々は、政府のような非営利組織によって限られた、あるいは少ないリソースが管理される、典型的な非営利の環境下で、オンラインリソースの割り当てについて検討する。
我々は、到着要求者は、要求のような外部要因に関して均質であるが、人口統計のような内部属性では異質であると仮定して、内部等価性に焦点を当てる。
- 参考スコア（独自算出の注目度）: 23.53645438932742
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider online resource allocation under a typical non-profit setting,
where limited or even scarce resources are administered by a not-for-profit
organization like a government. We focus on the internal-equity by assuming
that arriving requesters are homogeneous in terms of their external factors
like demands but heterogeneous for their internal attributes like demographics.
Specifically, we associate each arriving requester with one or several groups
based on their demographics (i.e., race, gender, and age), and we aim to design
an equitable distributing strategy such that every group of requesters can
receive a fair share of resources proportional to a preset target ratio. We
present two LP-based sampling algorithms and investigate them both
theoretically (in terms of competitive-ratio analysis) and experimentally based
on real COVID-19 vaccination data maintained by the Minnesota Department of
Health. Both theoretical and numerical results show that our LP-based sampling
strategies can effectively promote equity, especially when the arrival
population is disproportionately represented, as observed in the early stage of
the COVID-19 vaccine rollout.
- Abstract（参考訳）: 我々は、政府のような非営利組織によって限られた資源や少ない資源が管理される典型的な非営利環境下でのオンライン資源の配分を考える。
私たちは、到着した要求者は要求のような外部要因では均質であるが、人口統計のような内部属性では異質であると仮定することで、内部平等にフォーカスする。
具体的には、到着した各要求者を、その人口統計(人種、性別、年齢など)に基づいて1つまたは複数のグループに関連付け、各要求者集団が予め設定された目標比率に比例するリソースの公平なシェアを得られるように公平な分散戦略をデザインすることを目的とする。
2つのLPに基づくサンプリングアルゴリズムを提示し,ミネソタ州保健省が保有する実際のCOVID-19ワクチン接種データに基づいて理論的に(競争率分析の観点から)検討した。
理論的および数値的な結果から、当社のLPベースのサンプリング戦略は、特にCOVID-19ワクチンのロールアウトの初期段階で見られるように、到着人口が不均等に代表される場合に、効果的に株式を促進できることが示された。
関連論文リスト
- Strength of statistical evidence for genuine tripartite nonlocality [0.0]
ネットワーク非局所性の最近の進歩は、局所操作の概念と共有ランダム性に基づく真のマルチパーティライト非局所性(LOSR-GMNL)につながっている。
本稿では,2つのサブセットがリソースを2つに分けて共有し,各パーティが無制限に共有されたランダム性にアクセスできるネットワークにおいて,相関を示すことが目的である三部作シナリオに焦点を当てる。
論文 参考訳（メタデータ） (2024-07-28T21:12:52Z) - On the Fairness ROAD: Robust Optimization for Adversarial Debiasing [46.495095664915986]
ROADは、局所的に不公平である可能性のある入力を優先するように設計されている。
所与のグローバルフェアネスレベルに対する局所的公正度と正確性に関して優位性を達成する。
また、分布シフトの下での公正な一般化も促進する。
論文 参考訳（メタデータ） (2023-10-27T18:08:42Z) - Group-blind optimal transport to group parity and its constrained variants [6.70948761466883]
我々は、ソースデータ中の両方のグループの特徴分布を整列する単一のグループ盲投影マップを設計する。
情報源データは人口の偏りのない表現であると仮定する。
合成データと実データについて数値的な結果を示す。
論文 参考訳（メタデータ） (2023-10-17T17:14:07Z) - Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources [47.57108369791273]
医療資源の枯渇は、レーションの避けられない結果をもたらす可能性がある。
医療資源割り当てプロトコルの普遍的な標準は存在しない。
本稿では,患者の疾患進行と患者間の相互作用効果を統合するためのトランスフォーマーベースのディープQネットワークを提案する。
論文 参考訳（メタデータ） (2023-09-15T17:28:06Z) - Copula-based transferable models for synthetic population generation [1.370096215615823]
集団合成は、マイクロエージェントの標的集団の合成的かつ現実的な表現を生成することを含む。
従来の手法は、しばしばターゲットのサンプルに依存し、高いコストと小さなサンプルサイズのために制限に直面している。
本研究では,実験的辺縁分布のみが知られている対象個体群を対象とした合成データを生成するためのコプラに基づく新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-02-17T23:58:14Z) - Improved Policy Evaluation for Randomized Trials of Algorithmic Resource
Allocation [54.72195809248172]
提案する新しい概念を応用した新しい推定器を提案する。
我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
論文 参考訳（メタデータ） (2023-02-06T05:17:22Z) - Domain-Specific Risk Minimization for Out-of-Distribution Generalization [104.17683265084757]
まず、適応性ギャップを明示的に考慮した一般化境界を確立する。
本稿では,目標に対するより良い仮説の選択を導くための効果的なギャップ推定法を提案する。
もう1つの方法は、オンラインターゲットサンプルを用いてモデルパラメータを適応させることにより、ギャップを最小化することである。
論文 参考訳（メタデータ） (2022-08-18T06:42:49Z) - Causal Balancing for Domain Generalization [95.97046583437145]
そこで本研究では,観察されたトレーニング分布の領域特異的なスプリアス相関を低減するために,バランスの取れたミニバッチサンプリング戦略を提案する。
本研究では, 突発性源の同定可能性を保証するとともに, バランスの取れた, 突発性のない分布から, 提案手法が有効にサンプリング可能であることを示す。
論文 参考訳（メタデータ） (2022-06-10T17:59:11Z) - Targeted Optimal Treatment Regime Learning Using Summary Statistics [12.767669486030352]
我々は、ソースとターゲットの集団が不均一である可能性のあるITR推定問題を考える。
我々は、利用可能な要約統計を利用して、所定の対象人口に対してITRを調整する重み付けフレームワークを開発する。
具体的には,対象集団の値関数の補正された逆確率重み付き推定器を提案し,最適ITRを推定する。
論文 参考訳（メタデータ） (2022-01-17T06:11:31Z) - Learning Strategies in Decentralized Matching Markets under Uncertain
Preferences [91.3755431537592]
エージェントの選好が不明な場合,共有資源の不足の設定における意思決定の問題について検討する。
我々のアプローチは、再生されたカーネルヒルベルト空間における好みの表現に基づいている。
エージェントの期待した利益を最大化する最適な戦略を導出する。
論文 参考訳（メタデータ） (2020-10-29T03:08:22Z) - Learning to Match Distributions for Domain Adaptation [116.14838935146004]
本稿では,ドメイン間分布マッチングを自動的に学習する学習 to Match (L2M)を提案する。
L2Mは、メタネットワークを用いてデータ駆動方式で分布整合損失を学習することにより、誘導バイアスを低減する。
公開データセットの実験は、SOTA法よりもL2Mの方が優れていることを裏付けている。
論文 参考訳（メタデータ） (2020-07-17T03:26:13Z)
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。