論文の概要: The Dichotomous Affiliate Stable Matching Problem: Approval-Based
Matching with Applicant-Employer Relations
- arxiv url: http://arxiv.org/abs/2202.11095v1
- Date: Tue, 22 Feb 2022 18:56:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-23 17:03:11.505880
- Title: The Dichotomous Affiliate Stable Matching Problem: Approval-Based
Matching with Applicant-Employer Relations
- Title（参考訳）: Dichotomous Affiliate Stable Matching Problem: Applicant-Employer Relationsを用いた承認型マッチング
- Authors: Marina Knittel, Samuel Dooley, John P. Dickerson
- Abstract要約: 本稿では,DASM問題(Dichotomous Affiliate Stable Matching)について紹介する。
その結果は,(1)実世界のマッチングランキングが仮定された評価関数に従うことを示すために人間による研究,(2)そのような解を見つけるための効率的で実装が容易なアルゴリズムを提供することによって,常に安定した解が存在することを証明し,(3)線形プログラミングに基づくアプローチと比較して,アルゴリズムの有効性を実験的に検証する。
- 参考スコア（独自算出の注目度）: 27.388757379210034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While the stable marriage problem and its variants model a vast range of
matching markets, they fail to capture complex agent relationships, such as the
affiliation of applicants and employers in an interview marketplace. To model
this problem, the existing literature on matching with externalities permits
agents to provide complete and total rankings over matchings based off of both
their own and their affiliates' matches. This complete ordering restriction is
unrealistic, and further the model may have an empty core. To address this, we
introduce the Dichotomous Affiliate Stable Matching (DASM) Problem, where
agents' preferences indicate dichotomous acceptance or rejection of another
agent in the marketplace, both for themselves and their affiliates.
We also assume the agent's preferences over entire matchings are determined
by a general weighted valuation function of their (and their affiliates')
matches. Our results are threefold: (1) we use a human study to show that
real-world matching rankings follow our assumed valuation function; (2) we
prove that there always exists a stable solution by providing an efficient,
easily-implementable algorithm that finds such a solution; and (3) we
experimentally validate the efficiency of our algorithm versus a
linear-programming-based approach.
- Abstract（参考訳）: 安定した結婚問題とその変種は、幅広いマッチング市場をモデル化するが、面接市場における応募者や雇用者の提携のような複雑なエージェント関係を捉えない。
この問題をモデル化するために、既存の外部とのマッチングに関する文献では、エージェントは、個人とアフィリエイトの両方のマッチに基づいて、マッチングに対して完全なランキングと総ランキングを提供することができる。
この完全な順序制限は非現実的であり、さらにモデルは空のコアを持つかもしれない。
そこで我々は, エージェントの嗜好が, エージェント自身とアフィリエイトの両方に対して, マーケットにおける他のエージェントの受け入れや拒絶を示す, ディコトナスアフィリエイト安定マッチング(dasm)問題を紹介する。
また、マッチング全体に対するエージェントの好みは、それらの(およびアフィリエイトの)マッチの一般的な重み付け評価関数によって決定されると仮定する。
その結果,(1)実世界のマッチングランキングが仮定された評価関数に従うことを示すための人間研究,(2)そのような解を見つける効率的で容易に実装可能なアルゴリズムを提供することにより,常に安定な解が存在することを証明すること,(3)線形プログラミングに基づくアプローチに対するアルゴリズムの効率を実験的に検証すること,の3つが得られた。
関連論文リスト
- Putting Gale & Shapley to Work: Guaranteeing Stability Through Learning [14.448192914855674]
両面のマッチング市場は、市場の片側からの参加者が好みに応じて反対側からの参加者と一致しなければならない、一連の問題を記述している。
我々は安定解の構造を利用して、安定解を見つける可能性を改善するアルゴリズムを考案する。
論文 参考訳（メタデータ） (2024-10-06T06:47:53Z) - Scalable Decentralized Algorithms for Online Personalized Mean Estimation [12.002609934938224]
本研究は,各エージェントが実数値分布からサンプルを収集し,その平均値を推定する,オーバーアーキシング問題の簡易版に焦点を当てた。
1つは信念の伝播からインスピレーションを得ており、もう1つはコンセンサスに基づくアプローチを採用している。
論文 参考訳（メタデータ） (2024-02-20T08:30:46Z) - The Battleship Approach to the Low Resource Entity Matching Problem [0.0]
本稿では,エンティティマッチング問題に対する新しいアクティブな学習手法を提案する。
我々は、エンティティマッチングのユニークな特性を利用する選択メカニズムに焦点を当てる。
実験により,提案アルゴリズムは,最先端のアクティブ・ラーニング・ソリューションより低リソース・エンティティ・マッチングに優れることを示した。
論文 参考訳（メタデータ） (2023-11-27T10:18:17Z) - Pure Exploration under Mediators' Feedback [63.56002444692792]
マルチアームバンディット(Multi-armed bandits)は、各インタラクションステップにおいて、学習者が腕を選択し、報酬を観察する、シーケンシャルな意思決定フレームワークである。
本稿では,学習者が仲介者の集合にアクセスできるシナリオについて考察する。
本稿では,学習者には仲介者の方針が知られていると仮定して,最適な腕を発見するための逐次的意思決定戦略を提案する。
論文 参考訳（メタデータ） (2023-08-29T18:18:21Z) - On the Complexity of Multi-Agent Decision Making: From Learning in Games
to Partial Monitoring [105.13668993076801]
マルチエージェント強化学習(MARL)理論における中心的な問題は、構造条件やアルゴリズムの原理がサンプル効率の学習保証につながるかを理解することである。
本稿では,複数のエージェントを用いた対話型意思決定のための一般的な枠組みとして,この問題について考察する。
マルチエージェント意思決定における統計的複雑性を特徴付けることは、単一エージェント決定の統計的複雑性を特徴付けることと等価であることを示す。
論文 参考訳（メタデータ） (2023-05-01T06:46:22Z) - Learn to Match with No Regret: Reinforcement Learning in Markov Matching
Markets [151.03738099494765]
我々は、市場の両側でプランナーと戦略エージェントのセットを含むマルコフマッチング市場について検討する。
本稿では,楽観的な値反復と最大重みマッチングを組み合わせた強化学習フレームワークを提案する。
我々は,アルゴリズムがサブ線形後悔を実現することを証明した。
論文 参考訳（メタデータ） (2022-03-07T19:51:25Z) - Learning Equilibria in Matching Markets from Bandit Feedback [139.29934476625488]
不確実性の下で安定した市場成果を学習するためのフレームワークとアルゴリズムを開発する。
私たちの研究は、大規模なデータ駆動の市場において、いつ、どのように安定したマッチングが生じるかを明らかにするための第一歩を踏み出します。
論文 参考訳（メタデータ） (2021-08-19T17:59:28Z) - Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。
ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。
本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-11T03:38:16Z) - Mitigating Manipulation in Peer Review via Randomized Reviewer
Assignments [96.114824979298]
コンファレンスピアレビューにおける3つの重要な課題は、特定の論文に割り当てられる悪意のある試みであり、"Torpedo reviewing"である。
我々は、これらの課題を共通の傘の下にまとめ、レビュアーの割り当てのための(ランダム化された)アルゴリズムを示すフレームワークを提案する。
我々のアルゴリズムは、悪意のあるレビュアーが希望する論文に割り当てられる確率を50%に抑えつつ、完全な最適類似性の90%以上を割り当てることができます。
論文 参考訳（メタデータ） (2020-06-29T23:55:53Z) - Multi-agent Reinforcement Learning for Decentralized Stable Matching [13.563394785448192]
現実の世界では、仕事、パートナー、ルームメイトなどを見つけるなど、人や個人は通常、独立して、自律的にマッチを見つけます。
このマッチングの検索は、環境に関する初期知識なしで始まる可能性がある。
本稿では,空間的に定式化された分散二面マッチング市場にマルチエージェント強化学習パラダイムを適用することを提案する。
論文 参考訳（メタデータ） (2020-05-03T15:28:41Z)
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。