論文の概要: Policy Evaluation for Temporal and/or Spatial Dependent Experiments in
Ride-sourcing Platforms
- arxiv url: http://arxiv.org/abs/2202.10887v1
- Date: Tue, 22 Feb 2022 13:38:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-23 15:42:16.971186
- Title: Policy Evaluation for Temporal and/or Spatial Dependent Experiments in
Ride-sourcing Platforms
- Title（参考訳）: 配車プラットフォームにおける時間および空間依存実験のポリシー評価
- Authors: Shikai Luo, Ying Yang, Chengchun Shi, Fang Yao, Jieping Ye, Hongtu Zhu
- Abstract要約: 本稿では,スイッチバック設計の下で,プラットフォームポリシーと利害関係の因果関係を確立することを目的とする。
本研究では、時間依存実験における動的処理効果を捉えるために、時間的時間的決定過程(CDP)モデルに基づく新たな潜在的結果フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 47.994639273563386
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Policy evaluation based on A/B testing has attracted considerable interest in
digital marketing, but such evaluation in ride-sourcing platforms (e.g., Uber
and Didi) is not well studied primarily due to the complex structure of their
temporal and/or spatial dependent experiments. Motivated by policy evaluation
in ride-sourcing platforms, the aim of this paper is to establish causal
relationship between platform's policies and outcomes of interest under a
switchback design. We propose a novel potential outcome framework based on a
temporal varying coefficient decision process (VCDP) model to capture the
dynamic treatment effects in temporal dependent experiments. We further
characterize the average treatment effect by decomposing it as the sum of
direct effect (DE) and indirect effect (IE). We develop estimation and
inference procedures for both DE and IE. Furthermore, we propose a
spatio-temporal VCDP to deal with spatiotemporal dependent experiments. For
both VCDP models, we establish the statistical properties (e.g., weak
convergence and asymptotic power) of our estimation and inference procedures.
We conduct extensive simulations to investigate the finite-sample performance
of the proposed estimation and inference procedures. We examine how our VCDP
models can help improve policy evaluation for various dispatching and
dispositioning policies in Didi.
- Abstract（参考訳）: a/bテストに基づくポリシー評価はデジタルマーケティングに大きな関心を集めているが、ライドソーシングプラットフォーム(例えばuberやdidi)における評価は、主に時間的および/または空間的依存的な実験の複雑な構造のため、あまり研究されていない。
本研究の目的は, 配車プラットフォームにおける政策評価により, プラットフォーム政策と利害関係の因果関係を, スイッチバック設計の下で確立することである。
時間依存実験における動的治療効果を捉えるために, 時間変化係数決定過程(vcdp)モデルに基づく新しい潜在結果フレームワークを提案する。
さらに、直接効果(DE)と間接効果(IE)の和として分解することで、平均治療効果を特徴づける。
我々は,De と IE の双方に対する推定および推論手法を開発した。
さらに,時空間依存実験に対処する時空間VCDPを提案する。
両方のVCDPモデルに対して、推定および推論手順の統計的性質(例えば、弱い収束と漸近力)を確立する。
提案手法の有限サンプル性能を調べるために,広範囲なシミュレーションを行った。
我々は,当社のVCDPモデルが,Didiにおける各種派遣・処分政策の政策評価の改善にどう役立つかを検討する。
関連論文リスト
- Higher-Order Causal Message Passing for Experimentation with Complex Interference [6.092214762701847]
本研究では、因果的メッセージパッシングに基づく新しい推定器のクラスを導入し、広範で未知な干渉のある設定に特化して設計する。
我々の推定器は、サンプルの平均値と時間とともに単位結果と処理のばらつきから情報を抽出し、観測データの効率的な利用を可能にする。
論文 参考訳（メタデータ） (2024-11-01T18:00:51Z) - A Practical Approach to Causal Inference over Time [17.660953125689105]
我々は因果介入とその時間的影響を離散時間プロセス(DSP)に定義する。
因果介入前後のDSPの平衡状態が構造因果モデル(SCM)によって把握できる条件を示す。
得られた因果VARフレームワークにより、観測時系列データから経時的に因果推論を行うことができる。
論文 参考訳（メタデータ） (2024-10-14T13:45:20Z) - On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。
ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。
我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-24T08:08:05Z) - Estimating Direct and Indirect Causal Effects of Spatiotemporal Interventions in Presence of Spatial Interference [0.46052594866569146]
まず, 空間干渉の概念を, 未測定条件を仮定して拡張することで, 時間変化による治療結果に対する空間干渉の概念を拡張した。
次に、時間的因果推論のための深層学習に基づく潜在的結果モデルを提案する。
U-Netアーキテクチャのパワーを利用して、時間とともに空間的干渉を捉えながら、時間変化による干渉を低減するために潜時因子モデリングを利用する。
論文 参考訳（メタデータ） (2024-05-13T20:39:27Z) - Benchmarking Bayesian Causal Discovery Methods for Downstream Treatment
Effect Estimation [137.3520153445413]
下流推論に重点を置く因果発見手法の評価において,顕著なギャップが存在する。
我々は,GFlowNetsに基づく新たな手法を含む,確立された7つの基本因果探索手法を評価する。
研究の結果,研究対象のアルゴリズムのいくつかは,多種多様なATEモードを効果的に捉えることができることがわかった。
論文 参考訳（メタデータ） (2023-07-11T02:58:10Z) - A Meta-Learning Method for Estimation of Causal Excursion Effects to Assess Time-Varying Moderation [0.0]
本稿では,メタ・ラーナーの観点からの因果抽出効果の推定について再検討する。
提案する推定器の特性を理論的および広範囲なシミュレーションにより比較する。
その結果, 相対効率が向上し, 既存手法の2倍頑健な代替案が提案された。
論文 参考訳（メタデータ） (2023-06-28T15:19:33Z) - TCFimt: Temporal Counterfactual Forecasting from Individual Multiple
Treatment Perspective [50.675845725806724]
個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。
TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。
提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
論文 参考訳（メタデータ） (2022-12-17T15:01:05Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - Stochastic Intervention for Causal Effect Estimation [7.015556609676951]
介入効果を推定するための新しい確率スコアと介入効果推定器(SIE)を提案する。
また,介入効果(Ge-SIO)に特異的な遺伝的アルゴリズムを設計し,意思決定の因果的証拠を提供する。
提案手法とアルゴリズムは,最先端のベースラインと比較して,大幅な性能向上を実現することができる。
論文 参考訳（メタデータ） (2021-05-27T01:12:03Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
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。