論文の概要: Competition, Alignment, and Equilibria in Digital Marketplaces
- arxiv url: http://arxiv.org/abs/2208.14423v1
- Date: Tue, 30 Aug 2022 17:43:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-31 13:46:54.101017
- Title: Competition, Alignment, and Equilibria in Digital Marketplaces
- Title（参考訳）: デジタルマーケットプレースにおける競争・アライメント・均衡
- Authors: Meena Jagadeesan, Michael I. Jordan, Nika Haghtalab
- Abstract要約: プラットフォームアクションがバンディットアルゴリズムであり,両プラットフォームがユーザ参加を競うデュオポリー市場について検討する。
私たちの主な発見は、この市場における競争は、市場の結果をユーザーユーティリティと完全に一致させるものではないということです。
- 参考スコア（独自算出の注目度）: 97.03797129675951
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Competition between traditional platforms is known to improve user utility by
aligning the platform's actions with user preferences. But to what extent is
alignment exhibited in data-driven marketplaces? To study this question from a
theoretical perspective, we introduce a duopoly market where platform actions
are bandit algorithms and the two platforms compete for user participation. A
salient feature of this market is that the quality of recommendations depends
on both the bandit algorithm and the amount of data provided by interactions
from users. This interdependency between the algorithm performance and the
actions of users complicates the structure of market equilibria and their
quality in terms of user utility. Our main finding is that competition in this
market does not perfectly align market outcomes with user utility.
Interestingly, market outcomes exhibit misalignment not only when the platforms
have separate data repositories, but also when the platforms have a shared data
repository. Nonetheless, the data sharing assumptions impact what mechanism
drives misalignment and also affect the specific form of misalignment (e.g. the
quality of the best-case and worst-case market outcomes). More broadly, our
work illustrates that competition in digital marketplaces has subtle
consequences for user utility that merit further investigation.
- Abstract（参考訳）: 従来のプラットフォーム間の競争は、プラットフォームのアクションとユーザの好みを整合させることによって、ユーザユーティリティを改善することが知られている。
しかし、データ駆動のマーケットプレースでは、アライメントはどの程度表示されていますか?
この問題を理論的観点から研究するために,プラットフォームアクションが帯域幅アルゴリズムであり,両プラットフォームがユーザ参加を競うデュオポリー市場を導入する。
この市場の注目すべき特徴は、レコメンデーションの品質がbanditアルゴリズムとユーザからのインタラクションによって提供されるデータ量の両方に依存することだ。
このアルゴリズム性能とユーザの行動の相互依存性は、市場均衡の構造と品質をユーザユーティリティの観点から複雑にしている。
私たちのおもな発見は、この市場における競争が、市場の成果をユーザユーティリティと完全に一致させていないことです。
興味深いことに、市場の結果はプラットフォームが別々のデータレポジトリを持っている場合だけでなく、プラットフォームが共有データレポジトリを持っている場合にも不一致を示す。
それでも、データ共有の仮定は、どのメカニズムがミスアライメントを駆動するかに影響し、特定の形式のミスアライメント(例えば、ベストケースと最悪の市場結果の品質)に影響を与える。
より広範に、我々の研究は、デジタル市場における競争が、さらなる調査に役立つユーザユーティリティーに微妙な結果をもたらすことを示している。
関連論文リスト
- Privacy-Aware Data Acquisition under Data Similarity in Regression Markets [29.64195175524365]
データの類似性とプライバシの嗜好が市場設計に不可欠であることを示す。
我々は、データ類似性が市場参加や取引データの価値にどのように影響するかを数値的に評価する。
論文 参考訳（メタデータ） (2023-12-05T09:39:04Z) - An IPW-based Unbiased Ranking Metric in Two-sided Markets [3.845857580909374]
本稿では,2つの市場におけるユーザ間のバイアスの複雑な相互作用について論じる。
そこで我々は,2面IPWという新しい推定器を提案し,その位置ベースを両面IPWと呼ぶ。
論文 参考訳（メタデータ） (2023-07-14T01:44:03Z) - Decongestion by Representation: Learning to Improve Economic Welfare in Marketplaces [14.105727639288316]
現代のオンラインマーケットプレースでは、価格は通常、売り手によって分散された方法で設定され、アイテムに関する情報は必然的に部分的である。
プラットフォームのパワーは、デフォルトでユーザに提示されるアイテムに関する情報のサブセットである表現を制御することに限定されます。
このことは、プラットフォームが混雑を減らし、社会的福祉を改善する表現を学習しようとする、代理表現による混雑の現在の研究を動機付けている。
論文 参考訳（メタデータ） (2023-06-18T17:44:53Z) - Fairness in Matching under Uncertainty [78.39459690570531]
アルゴリズム的な二面市場は、こうした設定における公平性の問題に注意を向けている。
我々は、利益の不確実性を尊重する両面の市場設定において、個々人の公正性の概念を公理化する。
そこで我々は,配当よりも公平なユーティリティ最大化分布を求めるために,線形プログラミングフレームワークを設計する。
論文 参考訳（メタデータ） (2023-02-08T00:30:32Z) - Having your Privacy Cake and Eating it Too: Platform-supported Auditing
of Social Media Algorithms for Public Interest [70.02478301291264]
ソーシャルメディアプラットフォームは、情報や機会へのアクセスをキュレートするので、公衆の言論を形成する上で重要な役割を果たす。
これまでの研究では、これらのアルゴリズムが偏見や差別的な結果をもたらすことを示すためにブラックボックス法が用いられてきた。
本稿では,提案法の目標を満たすプラットフォーム支援型監査手法を提案する。
論文 参考訳（メタデータ） (2022-07-18T17:32:35Z) - Rawlsian Fairness in Online Bipartite Matching: Two-sided, Group, and
Individual [25.391491567929336]
オンラインの双方向マッチングプラットフォームはユビキタスであり、クラウドソーシングやライドシェアリングといった重要な分野のアプリケーションを見つける。
本稿では,既存業務を一般化し,市場双方に公平な待遇保証を同時に提供する。
我々のアルゴリズムには理論的保証があり、三辺のユーティリティ間のトレードオフのバランスをとるために調整可能なパラメータがある。
論文 参考訳（メタデータ） (2022-01-16T11:25:17Z) - 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) - Data Sharing Markets [95.13209326119153]
我々は、各エージェントがデータの買い手および売り手の両方になり得る設定について検討する。
両データ交換(データ付きトレーディングデータ)と一方データ交換(お金付きトレーディングデータ)の2つの事例を考察する。
論文 参考訳（メタデータ） (2021-07-19T06:00:34Z) - 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)
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。