論文の概要: Fast solution to the fair ranking problem using the Sinkhorn algorithm

• arxiv url: http://arxiv.org/abs/2406.10262v1
• Date: Tue, 11 Jun 2024 02:21:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-19 01:31:17.289339
• Title: Fast solution to the fair ranking problem using the Sinkhorn algorithm
• Title（参考訳）: Sinkhornアルゴリズムを用いた公正ランキング問題の高速解法
• Authors: Yuki Uehara, Shunnosuke Ikeda, Naoki Nishimura, Koya Ohashi, Yilin Li, Jie Yang, Deddy Jobson, Xingxia Zha, Takeshi Matsumoto, Noriyoshi Sukegawa, Yuichi Takano,
• Abstract要約: 本稿では,インパクトに基づく公正ランキング問題に対する高速な解法を提案する。 提案アルゴリズムは高品質で,商用最適化ソフトウェアよりも約1000倍高速である。
• 参考スコア（独自算出の注目度）: 6.324759964762596
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In two-sided marketplaces such as online flea markets, recommender systems for providing consumers with personalized item rankings play a key role in promoting transactions between providers and consumers. Meanwhile, two-sided marketplaces face the problem of balancing consumer satisfaction and fairness among items to stimulate activity of item providers. Saito and Joachims (2022) devised an impact-based fair ranking method for maximizing the Nash social welfare based on fair division; however, this method, which requires solving a large-scale constrained nonlinear optimization problem, is very difficult to apply to practical-scale recommender systems. We thus propose a fast solution to the impact-based fair ranking problem. We first transform the fair ranking problem into an unconstrained optimization problem and then design a gradient ascent method that repeatedly executes the Sinkhorn algorithm. Experimental results demonstrate that our algorithm provides fair rankings of high quality and is about 1000 times faster than application of commercial optimization software.
• Abstract（参考訳）: オンラインフリーマーケットのような両面のマーケットプレースでは、消費者にパーソナライズされたアイテムランキングを提供するレコメンデーションシステムが、プロバイダとコンシューマ間の取引を促進する上で重要な役割を担っている。 一方、両面の市場は、消費者の満足度と公正度をバランスさせ、商品提供者の活動を刺激する問題に直面している。 サイトーとヨアヒムズ(2022)は、公正な分割に基づくナッシュ社会福祉を最大化するインパクトに基づく公正格付け法を考案したが、この方法は、大規模に制約された非線形最適化問題を解くことを必要としており、実際的なレコメンデーターシステムに適用することは極めて困難である。 そこで本稿では,インパクトに基づく公正ランキング問題に対する高速な解法を提案する。 まず、公正ランキング問題を制約のない最適化問題に変換し、シンクホーンアルゴリズムを繰り返し実行する勾配上昇法を設計する。 実験の結果,提案アルゴリズムは高品質で,商用最適化ソフトウェアよりも約1000倍高速であることがわかった。

関連論文リスト

• Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
  競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。 我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
  論文  参考訳（メタデータ） (2024-11-20T18:06:55Z)
• Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
  本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。 赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2024-06-21T05:57:08Z)
• Quantum algorithm for large-scale market equilibrium computation [0.9208007322096533]
  サブ線形性能を持つ市場均衡計算のための最初の量子ランタイムアルゴリズムを提供する。 提案アルゴリズムは,従来のアルゴリズムと客観的な最適化値に到達しつつ,購入者数や商品数の観点からも,実行時の高速化を実現する。
  論文  参考訳（メタデータ） (2024-05-22T16:12:45Z)
• 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)
• Stochastic Methods for AUC Optimization subject to AUC-based Fairness Constraints [51.12047280149546]
  公正な予測モデルを得るための直接的なアプローチは、公正な制約の下で予測性能を最適化することでモデルを訓練することである。 フェアネスを考慮した機械学習モデルのトレーニング問題を,AUCに基づくフェアネス制約のクラスを対象とする最適化問題として定式化する。 フェアネス測定値の異なる実世界のデータに対するアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-12-23T22:29:08Z)
• RAGUEL: Recourse-Aware Group Unfairness Elimination [2.720659230102122]
  「algorithmic recourse」は、望ましくない結果を変えるための実行可能な回復行動を提供する。 ランク付けされたグループレベルのリコースフェアネスの概念を導入する。 我々は、ランク付けされたrecourse Fairness制約を満たす'recourse-aware ranking'ソリューションを開発する。
  論文  参考訳（メタデータ） (2022-08-30T11:53:38Z)
• CPFair: Personalized Consumer and Producer Fairness Re-ranking for Recommender Systems [5.145741425164946]
  本稿では,消費者側と生産側の両方から公平性制約をシームレスに統合する最適化に基づく再ランク付け手法を提案する。 提案手法は, 消費者と生産者の公正性を両立させ, 全体的な推奨品質を低下させることなく向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-04-17T20:38:02Z)
• Inducing Equilibria via Incentives: Simultaneous Design-and-Play Finds Global Optima [114.31577038081026]
  本稿では,デザイナーとエージェントの問題を同時に1ループで解くための効率的な手法を提案する。 設計者は平衡問題を何度も解決しないが、エージェントに対するインセンティブの全体的な影響を予測できる。 このアルゴリズムは,幅広い種類のゲームに対して,サブ線形速度で大域的最適値に収束することを示す。
  論文  参考訳（メタデータ） (2021-10-04T06:53:59Z)
• Large-Scale Data-Driven Airline Market Influence Maximization [13.051415067967435]
  本稿では,フライト周波数の調整による国内旅客輸送市場の市場影響を最大化するために,予測駆動型最適化フレームワークを提案する。 我々のニューラルネットワークは、市場への影響を予測するために、古典的な空母性能特徴や輸送ネットワーク特徴など、幅広い特徴を考慮に入れています。
  論文  参考訳（メタデータ） (2021-05-31T14:48:40Z)
• Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential Advertising [52.3825928886714]
  我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。 理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。 強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
  論文  参考訳（メタデータ） (2020-06-29T18:50:35Z)

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。