論文の概要: Modelling Projection Bias in Intertemporal Choices: A Prospect Theory
Based Approach
- arxiv url: http://arxiv.org/abs/2303.06016v1
- Date: Thu, 9 Mar 2023 12:13:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 14:36:36.534715
- Title: Modelling Projection Bias in Intertemporal Choices: A Prospect Theory
Based Approach
- Title（参考訳）: 時間的選択における射影バイアスのモデル化:予測理論に基づくアプローチ
- Authors: Qingming Li and H. Vicky Zhao
- Abstract要約: 本稿では,ユーザの選択を正確に予測するための予測バイアス埋め込み選好モデルPobeを提案する。
また,商品の相関や割引価格がユーザの選択に与える影響について検討し,4つのバンドル戦略を提案する。
- 参考スコア（独自算出の注目度）: 8.041047797530808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Users often face bundle promotions when purchasing, where they have to select
between two options: buy the single item at full price, or buy the bundle at a
discount. In this scenario, users' preferences are usually influenced by the
projection bias, that is, users often believe that their future preferences are
similar to their current preferences, causing them to make irrational and
short-sighted decisions. It is of great significance to analyze the effect of
the projection bias on users' preferences, and this study may help understand
users' decision-making process and provide bundling and pricing strategies for
sellers. Prior works typically use a linear bias model for qualitative
analysis, and they cannot quantitatively calculate users' nonlinear and
personalized bias. In this work, we propose Pobe, a projection bias-embedded
preference model to accurately predict users' choices. The proposed Pobe
introduces the prospect theory to analyze users' irrational decisions, and
utilizes the weight function to handle users' nonlinear and personalized bias.
Based on the proposed Pobe, we also study the impact of items' correlations or
discount prices on users' choices, and provide four bundling strategies.
Experimental results show that the proposed method can achieve better
performance than prior works, especially when only small data is available.
- Abstract（参考訳）: 購入時には、フル価格で1つのアイテムを購入するか、ディスカウントでバンドルを購入するかの2つの選択肢を選択する必要がある。
このシナリオでは、ユーザの選好は通常、投射バイアスに影響される。つまり、ユーザは、自分の将来の選好が現在の選好とよく似ていると信じ、不合理で近視的な決定をする。
プロジェクションバイアスがユーザの嗜好に及ぼす影響を分析することは非常に重要であり,本研究はユーザの意思決定過程を理解し,販売者へのバンドルと価格戦略を提供する。
先行研究は通常、定性解析に線形バイアスモデルを用いるが、ユーザの非線形バイアスやパーソナライズバイアスを定量的に計算することはできない。
本研究では,ユーザの選択を正確に予測するプロジェクションバイアス埋め込み選好モデルpobeを提案する。
提案するpobeは,ユーザの不合理な判断を分析するための予測理論を導入し,非線形・パーソナライズバイアスを扱うために重み関数を利用する。
また,提案するpobeに基づいて,商品の相関や割引価格がユーザの選択に与える影響について検討し,4つのバンドル戦略を提案する。
実験の結果,提案手法は,特に小型データしか利用できない場合において,従来の手法よりも優れた性能が得られることがわかった。
関連論文リスト
- A First Look at Selection Bias in Preference Elicitation for Recommendation [64.44255178199846]
選好選好における選好バイアスの影響について検討した。
大きなハードルは、好みの推論インタラクションを持つ公開データセットがないことです。
本稿では,トピックに基づく選好提案プロセスのシミュレーションを提案する。
論文 参考訳（メタデータ） (2024-05-01T14:56:56Z) - Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference [50.95521705711802]
従来の研究では、予測モデルの偏りのない学習を実現するために、選択バイアスに対処することに注力してきた。
本稿では、因果推論の観点から、近隣効果を干渉問題として公式に定式化する。
本稿では,近隣効果の存在下で選択バイアスに対処できる新しい理想的損失を提案する。
論文 参考訳（メタデータ） (2024-04-30T15:20:41Z) - A Causal Perspective on Loan Pricing: Investigating the Impacts of
Selection Bias on Identifying Bid-Response Functions [1.0937531920233807]
我々は、因果推論の問題として価格を装い、選択バイアスの効果を理解するための一歩を踏み出した。
本研究では,ベルギーにおけるローンローン申請に関する半合成データセットにおいて,選択バイアスのレベルをシミュレートした。
我々は、因果機械学習による最先端の手法を実装し、価格データの選択バイアスを克服する能力を示す。
論文 参考訳（メタデータ） (2023-09-07T14:14:30Z) - Pacos: Modeling Users' Interpretable and Context-Dependent Choices in
Preference Reversals [8.041047797530808]
我々は,ユーザの適応重み,イテム間比較,表示位置の3つの要因を同定した。
3つの要因を同時に扱うための統合フレームワークとして,Pacosというコンテキスト依存の嗜好モデルを提案する。
実験の結果,提案手法は,ユーザの選択を予測するための先行作業よりも優れた性能を示した。
論文 参考訳（メタデータ） (2023-03-10T01:49:56Z) - Meta-Wrapper: Differentiable Wrapping Operator for User Interest
Selection in CTR Prediction [97.99938802797377]
クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。
近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。
そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2022-06-28T03:28:15Z) - What Should I Know? Using Meta-gradient Descent for Predictive Feature
Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。
この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。
本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文 参考訳（メタデータ） (2022-06-13T21:31:06Z) - Price DOES Matter! Modeling Price and Interest Preferences in
Session-based Recommendation [55.0391061198924]
セッションベースのレコメンデーションは、匿名ユーザが自分の短い行動シーケンスに基づいて購入したいアイテムを予測することを目的としている。
セッションベースのレコメンデーションの価格設定を組み込むのは簡単ではない。
セッションベースレコメンデーションのためのCoHHN(Co-guided Heterogeneous Hypergraph Network)を提案する。
論文 参考訳（メタデータ） (2022-05-09T10:47:15Z) - Causal Disentanglement with Network Information for Debiased
Recommendations [34.698181166037564]
近年の研究では、因果的観点からレコメンデーターシステムをモデル化することで、デビアスを提案する。
この設定における重要な課題は、隠れた共同設立者を説明することだ。
我々は,ネットワーク情報(すなわち,ユーザ・ソーシャルおよびユーザ・イテムネットワーク)を活用して,隠れた共同創設者をよりよく近似することを提案する。
論文 参考訳（メタデータ） (2022-04-14T20:55:11Z) - On the estimation of discrete choice models to capture irrational
customer behaviors [4.683806391173103]
我々は、部分的にランク付けされた好みを使って、トランザクションデータから合理的で不合理な顧客タイプを効率的にモデル化する方法を示す。
提案手法の予測精度を評価する実験を幅広く行った。
論文 参考訳（メタデータ） (2021-09-08T19:19:51Z) - Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。
選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
論文 参考訳（メタデータ） (2020-12-21T01:01:56Z) - Unbiased Learning for the Causal Effect of Recommendation [8.849159720632612]
本稿では,推薦の因果効果に対する非バイアス学習フレームワークを提案する。
ランキング尺度の因果効果拡張のための非バイアス学習法を開発した。
論文 参考訳（メタデータ） (2020-08-11T07:30:44Z)
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。