論文の概要: Seller-side Outcome Fairness in Online Marketplaces

• arxiv url: http://arxiv.org/abs/2312.03253v1
• Date: Wed, 6 Dec 2023 02:58:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-07 16:19:13.333678
• Title: Seller-side Outcome Fairness in Online Marketplaces
• Title（参考訳）: オンラインマーケットプレイスにおける販売側アウトカムフェアネス
• Authors: Zikun Ye, Reza Yousefi Maragheh, Lalitesh Morishetti, Shanu Vashishtha, Jason Cho, Kaushiki Nag, Sushant Kumar, Kannan Achan
• Abstract要約: 本稿では,売り手側の結果フェアネスの概念を導入し,収集したリコメンデーション報酬とフェアネス指標のバランスをとる最適化モデルを構築した。 実際のeコマースデータセットに関する数値実験では,収集したGross Merchandise Value(GMV)や総購入数といった指標を損なうことなく,販売者の公正度を測ることのできるアルゴリズムが示されている。
• 参考スコア（独自算出の注目度）: 8.29306513718005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper aims to investigate and achieve seller-side fairness within online marketplaces, where many sellers and their items are not sufficiently exposed to customers in an e-commerce platform. This phenomenon raises concerns regarding the potential loss of revenue associated with less exposed items as well as less marketplace diversity. We introduce the notion of seller-side outcome fairness and build an optimization model to balance collected recommendation rewards and the fairness metric. We then propose a gradient-based data-driven algorithm based on the duality and bandit theory. Our numerical experiments on real e-commerce data sets show that our algorithm can lift seller fairness measures while not hurting metrics like collected Gross Merchandise Value (GMV) and total purchases.
• Abstract（参考訳）: 本論文は,eコマースプラットフォームにおいて,多くの販売者と商品が十分に顧客に公開されていないオンラインマーケットプレースにおける売り手側の公正性を調査し,達成することを目的とする。 この現象は、露出の少ないアイテムと市場の多様性の低下に関連する収益の潜在的な損失に関する懸念を引き起こす。 我々は,売り手側の成果公平性の概念を導入し,収集した推薦報酬と公平度指標のバランスをとる最適化モデルを構築した。 次に,双対性とバンドイット理論に基づく勾配に基づくデータ駆動アルゴリズムを提案する。 実際のeコマースデータセットに関する数値実験では,収集したGross Merchandise Value(GMV)や総購入数といった指標を損なうことなく,販売者の公正度を測ることのできるアルゴリズムが示されている。

関連論文リスト

• Federated Learning for Data Market: Shapley-UCB for Seller Selection and Incentives [0.3069335774032178]
  本稿では,フェデレート学習アーキテクチャに基づくトランザクションフレームワークを提案し,販売者選択アルゴリズムとインセンティブ補償機構を設計する。 具体的には、グラデーション類似性とシェープリーアルゴリズムを用いて販売者の貢献度を正確に評価する。 トレーニング後、販売者のトレーニングへの参加に応じて公正な補償が行われる。
  論文  参考訳（メタデータ） (2024-10-10T03:50:20Z)
• Evaluating Fairness in Transaction Fraud Models: Fairness Metrics, Bias Audits, and Challenges [3.499319293058353]
  アルゴリズムの公正性に関する広範な研究にもかかわらず、不正検出モデルにおけるバイアスの研究には顕著なギャップがある。 これらの課題には、不正データの不均衡の性質と不正保護とサービス品質のトレードオフを考慮に入れた公正度メトリクスの必要性が含まれる。 本稿では,公開合成データセットを用いた取引不正モデルの包括的公正性評価を行う。
  論文  参考訳（メタデータ） (2024-09-06T16:08:27Z)
• A survey on fairness of large language models in e-commerce: progress, application, and challenge [8.746342211863332]
  本調査では,eコマースにおける大規模言語モデル(LLM)の公平性について検討する。 進捗、アプリケーション、そして彼らが直面している課題を調べます。 この論文は、eコマースにおける公正性の課題を批判的に扱い、トレーニングデータとアルゴリズムのバイアスが不公平な結果をもたらすことを強調している。
  論文  参考訳（メタデータ） (2024-05-15T23:25:19Z)
• Towards Fair Allocation in Social Commerce Platforms [18.76499687585534]
  ソーシャルコマースプラットフォームは、ソーシャルネットワーク内の他の顧客に商品を宣伝する再販業者を通じて、生産者が製品を販売する新興企業である。 本研究では,ソーシャルコマースプラットフォームにおけるこのようなアロケーションの公平性に注目し,両面の基準条件の下では,不特定項目の公平な分割問題として再販売業者に商品を割り当てることの問題を定式化する。 我々の研究は、理論的・実験的両面から、ナッシュ社会福祉、1つの項目(EF1)までのエンビーフリーネス、最大1つの項目(EQ1)までのエクイティビリティなど、よく研究されたフェアネスのベンチマークを体系的に調査している。
  論文  参考訳（メタデータ） (2024-02-20T06:58:00Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• Fair-CDA: Continuous and Directional Augmentation for Group Fairness [48.84385689186208]
  公正な制約を課すための詳細なデータ拡張戦略を提案する。 グループ間の感性のある特徴の遷移経路のモデルを正規化することにより、グループフェアネスを実現することができることを示す。 提案手法はデータ生成モデルを仮定せず,精度と公平性の両方に優れた一般化を実現する。
  論文  参考訳（メタデータ） (2023-04-01T11:23:00Z)
• 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)
• Towards Revenue Maximization with Popular and Profitable Products [69.21810902381009]
  企業マーケティングの共通のゴールは、様々な効果的なマーケティング戦略を活用することで、収益/利益を最大化することである。 商品の収益性に関する信頼性のある情報を見つけることは、ほとんどの製品が一定の時期にピークを迎える傾向があるため困難である。 本稿では、経済行動に基づく収益問題に対処し、ターゲットマーケティングのための0n-shelf Popular and most Profitable Products(OPPPs)を実行するための一般的な利益志向の枠組みを提案する。
  論文  参考訳（メタデータ） (2022-02-26T02:07:25Z)
• Macroscopic properties of buyer-seller networks in online marketplaces [55.41644538483948]
  2010年から2021年の間にオンラインマーケットプレースで発生した2億2500万トランザクションを含む2つのデータセットを分析した。 オンラインマーケットプレースにおける取引は、言語、生涯、製品、規制、技術に大きな違いがあるにもかかわらず、非常に類似したパターンを示す。
  論文  参考訳（メタデータ） (2021-12-16T18:00:47Z)
• Incentives for Item Duplication under Fair Ranking Policies [69.14168955766847]
  重複が存在する場合の様々な公正ランキングポリシーの振る舞いについて検討する。 適合性にのみ焦点を絞った政策よりも、重複を動機付ける可能性を秘めているため、公正を意識したランキングポリシーは多様性と矛盾する可能性がある。
  論文  参考訳（メタデータ） (2021-10-29T11:11:15Z)
• A Graph-based Approach for Mitigating Multi-sided Exposure Bias in Recommender Systems [7.3129791870997085]
  FairMatchは、アイテムやサプライヤーの露出公正性を改善するグラフベースのアルゴリズムである。 2つのデータセットに関する包括的な実験と最先端のベースラインとの比較により、FairMatchは露出公正性と集約多様性を大幅に改善する一方で、レコメンデーションの許容レベルを維持している。
  論文  参考訳（メタデータ） (2021-07-07T18:01:26Z)

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。