論文の概要: Decongestion by Representation: Learning to Improve Economic Welfare in
Marketplaces
- arxiv url: http://arxiv.org/abs/2306.10606v1
- Date: Sun, 18 Jun 2023 17:44:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 19:45:20.745488
- Title: Decongestion by Representation: Learning to Improve Economic Welfare in
Marketplaces
- Title(参考訳): 表象によるデコンゲーション:市場における経済福祉改善のための学習
- Authors: Omer Nahum, Gali Noti, David Parkes, Nir Rosenfeld
- Abstract要約: 混雑は、消費者が商品の同じサブセットで非効率に競争する市場において共通の失敗モードである。
現代のオンラインマーケットプレースでは、価格は通常、販売者によって分散された方法で設定される。
このことは、プラットフォームがこの力を使って、混雑を減らして社会福祉を改善する表現を学習する、表現による混雑の現在の研究を動機付けている。
- 参考スコア(独自算出の注目度): 15.694880385913534
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Congestion is a common failure mode of markets, where consumers compete
inefficiently on the same subset of goods (e.g., chasing the same small set of
properties on a vacation rental platform). The typical economic story is that
prices solve this problem by balancing supply and demand in order to decongest
the market. But in modern online marketplaces, prices are typically set in a
decentralized way by sellers, with the power of a platform limited to
controlling representations -- the information made available about products.
This motivates the present study of decongestion by representation, where a
platform uses this power to learn representations that improve social welfare
by reducing congestion. The technical challenge is twofold: relying only on
revealed preferences from users' past choices, rather than true valuations; and
working with representations that determine which features to reveal and are
inherently combinatorial. We tackle both by proposing a differentiable proxy of
welfare that can be trained end-to-end on consumer choice data. We provide
theory giving sufficient conditions for when decongestion promotes welfare, and
present experiments on both synthetic and real data shedding light on our
setting and approach.
- Abstract(参考訳): 混雑は、消費者が同じ商品のサブセット(例えば、休暇の賃貸プラットフォームで同じ小さな資産を追求するなど)で非効率に競争する市場において共通の失敗モードである。
典型的な経済的な話では、物価は市場を切り離すために需給のバランスをとることでこの問題を解決している。
しかし、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る。
このことは、プラットフォームがこの力を使って、混雑を減らして社会福祉を改善する表現を学習する、表現による混雑の現在の研究を動機付けている。
技術的な課題は2つある — 真の評価ではなく、ユーザの過去の選択から明らかな選好のみに依存すること、そして、どの機能を明かすか、本質的にコンビネーションであるかを判断する表現を扱うこと、の2つだ。
我々は、消費者選択データに基づいてエンドツーエンドで訓練できる福祉の差別化可能なプロキシを提案することで、両方の課題に取り組む。
脱便が福祉を促進するための十分な条件を与える理論を提供し、我々の設定とアプローチに光を当てる合成データと実データの両方について実験を行う。
関連論文リスト
- Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition [99.7047087527422]
本研究は,機械学習のスケーリングトレンドの振る舞いを根本的に変化させることを実証する。
データ表現品質の改善により、ユーザ間での全体的な予測精度が低下する、多くの設定が見つかる。
概念レベルでは,各モデルプロジェクタのスケーリング傾向が,社会福祉の下流改善に寄与する必要はないことが示唆された。
論文 参考訳(メタデータ) (2023-06-26T13:06:34Z) - No Bidding, No Regret: Pairwise-Feedback Mechanisms for Digital Goods
and Data Auctions [14.87136964827431]
本研究は, 一般的な繰り返しオークション設定に対処する新しいメカニズムを提案する。
メカニズムの新規性は、入札者から情報を引き出すためにペアワイズ比較を使用することにある。
ヒューマンファクターに焦点が当てられていることは、よりヒューマン・アウェアで効率的なメカニズム設計の発展に寄与する。
論文 参考訳(メタデータ) (2023-06-02T18:29:07Z) - DualFair: Fair Representation Learning at Both Group and Individual
Levels via Contrastive Self-supervision [73.80009454050858]
この研究は、DualFairと呼ばれる自己教師型モデルを提示し、学習された表現から性別や人種などのセンシティブな属性をデバイアスすることができる。
我々のモデルは、グループフェアネスと対実フェアネスという2つのフェアネス基準を共同で最適化する。
論文 参考訳(メタデータ) (2023-03-15T07:13:54Z) - Equilibrium of Data Markets with Externality [5.383900608313559]
私たちは、売り手が固定価格を投稿し、買い手は売り手から自由に購入できる現実世界のデータ市場をモデル化します。
ここで重要な要素は、データ購入によって互いに負の外部性バイヤーが引き起こされることだ。
我々は、取引コストを通じて介入するプラットフォームが、強力な福祉保証を備えた純粋な均衡につながることを証明している。
論文 参考訳(メタデータ) (2023-02-16T00:57:49Z) - Competition, Alignment, and Equilibria in Digital Marketplaces [97.03797129675951]
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。
論文 参考訳(メタデータ) (2022-08-30T17:43:58Z) - Optimising Equal Opportunity Fairness in Model Training [60.0947291284978]
既存のデバイアス法、例えば、敵の訓練や、表現から保護された情報を取り除くことは、バイアスを減らすことが示されている。
2つの新たな学習目標を提案し,2つの分類課題における高い性能を維持しつつ,バイアスの低減に有効であることを示す。
論文 参考訳(メタデータ) (2022-05-05T01:57:58Z) - Regulatory Instruments for Fair Personalized Pricing [34.986747852934634]
規制制約下での利益最大化独占の最適価格戦略と、消費者余剰・生産余剰・社会福祉への影響について検討する。
我々の発見と洞察は、デジタル時代における独占化ビジネスの規制政策設計に光を当てた。
論文 参考訳(メタデータ) (2022-02-09T03:07:08Z) - 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) - Supercharging Imbalanced Data Learning With Energy-based Contrastive
Representation Transfer [72.5190560787569]
コンピュータビジョンにおいて、長い尾のデータセットからの学習は、特に自然画像データセットの繰り返しのテーマである。
本稿では,データ生成機構がラベル条件と特徴分布の間で不変であるメタ分散シナリオを提案する。
これにより、因果データインフレーションの手順を利用してマイノリティクラスの表現を拡大できる。
論文 参考訳(メタデータ) (2020-11-25T00:13:11Z) - Learning Smooth and Fair Representations [24.305894478899948]
本稿では,特徴量と感性属性との相関関係を,公平な表現空間にマッピングすることで事前に除去する能力について検討する。
実験により,表現分布の平滑化は公平性証明の一般化保証を提供することがわかった。
表現分布の平滑化は、表現学習における最先端手法と比較して下流タスクの精度を低下させるものではない。
論文 参考訳(メタデータ) (2020-06-15T21:51:50Z)
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。