Fugu-MT 論文翻訳(概要): Towards Measuring Sell Side Outcomes in Buy Side Marketplace Experiments using In-Experiment Bipartite Graph

論文の概要: Towards Measuring Sell Side Outcomes in Buy Side Marketplace Experiments using In-Experiment Bipartite Graph

arxiv url: http://arxiv.org/abs/2409.04174v1
Date: Fri, 6 Sep 2024 10:33:42 GMT
ステータス: 処理完了
システム内更新日: 2024-09-09 16:05:19.674423
Title: Towards Measuring Sell Side Outcomes in Buy Side Marketplace Experiments using In-Experiment Bipartite Graph
Title（参考訳）: In-experiment Bipartite Graph を用いた購入側マーケットプレース実験における販売側アウトカムの測定
Authors: Vaiva Pilkauskaitė, Jevgenij Gamper, Rasa Giniūnaitė, Agne Reklaitė,
Abstract要約: 本研究では,オンライン二部グラフ実験のための因果推定器を実店舗環境で評価する。市場における買い手と売り手とのさまざまな相互作用から、二部グラフを構築します。
参考スコア（独自算出の注目度）: 1.4999444543328293
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this study, we evaluate causal inference estimators for online controlled bipartite graph experiments in a real marketplace setting. Our novel contribution is constructing a bipartite graph using in-experiment data, rather than relying on prior knowledge or historical data, the common approach in the literature published to date. We build the bipartite graph from various interactions between buyers and sellers in the marketplace, establishing a novel research direction at the intersection of bipartite experiments and mediation analysis. This approach is crucial for modern marketplaces aiming to evaluate seller-side causal effects in buyer-side experiments, or vice versa. We demonstrate our method using historical buyer-side experiments conducted at Vinted, the largest second-hand marketplace in Europe with over 80M users.
Abstract（参考訳）: 本研究では,オンライン二部グラフ実験のための因果推定器を実店舗環境で評価する。我々の新しい貢献は、過去の知識や歴史的データに頼るのではなく、実験データを用いた二部グラフを構築することである。市場における買い手と売り手の相互作用からバイパーティイトグラフを構築し,バイパートイト実験と仲介分析の交差点に新たな研究方向を確立する。このアプローチは、買い手側の実験における売り手側の因果効果を評価することを目的とした、現代の市場にとって極めて重要である。ヨーロッパ最大の中古市場であるVintedで8千万人以上のユーザを抱える歴史的バイヤーサイドの実験を行った。

関連論文リスト

Data Distribution Valuation [56.71023681599737]
既存のデータバリュエーションメソッドは、離散データセットの値を定義します。多くのユースケースでは、ユーザはデータセットの値だけでなく、データセットがサンプリングされた分布の値にも興味を持っています。本稿では,理論的原理と実行可能なポリシを実現するための,MMDに基づく評価手法を提案する。
論文参考訳（メタデータ） (2024-10-06T07:56:53Z)
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)
A Survey of Data Pricing for Data Marketplaces [77.3189288320768]
本稿では,既存のデータ価格研究の現状を概観する。我々の重要な貢献は、データ価格を決定する異なる属性を統一するデータ価格研究の新しい分類である。
論文参考訳（メタデータ） (2023-03-07T04:35:56Z)
Fair Effect Attribution in Parallel Online Experiments [57.13281584606437]
A/Bテストは、オンラインサービスで導入された変更の影響を確実に特定する目的で役立ちます。オンラインプラットフォームでは,ユーザトラフィックをランダムに分割して多数の同時実験を行うのが一般的である。異なるグループ間の完全なランダム化にもかかわらず、同時実験は互いに相互作用し、平均的な集団の結果に負の影響をもたらす。
論文参考訳（メタデータ） (2022-10-15T17:15:51Z)
Clustering-based Imputation for Dropout Buyers in Large-scale Online Experimentation [4.753069295451989]
オンライン実験では、適切な指標(例えば購入)が仮説を支持し、意思決定プロセスを強化する強力な証拠を提供する。本研究では,ドロップアウト購入者の概念を導入し,不完全なメトリック値を持つユーザを,訪問者とドロップアウト購入者という2つのグループに分類する。不完全なメトリクスを分析するために、$k$-nearest 隣人を用いたクラスタリングベースの計算法を提案する。
論文参考訳（メタデータ） (2022-09-09T01:05:53Z)
Opinion Market Model: Stemming Far-Right Opinion Spread using Positive Interventions [4.635820333232681]
本稿では,相互意見の相互作用と肯定的介入の役割を両立する2層オンライン世論エコシステムモデルを提案する。我々は2つの学習タスクでOMMをテストし、2つの実世界のデータセットを適用して市場シェアを予測し、オンラインアイテム間の潜伏関係を明らかにする。 OMMは、両方のデータセットで最先端の予測モデルより優れており、潜在的な協調競合関係を捉えている。
論文参考訳（メタデータ） (2022-08-13T10:36:04Z)
Cascaded Debiasing: Studying the Cumulative Effect of Multiple Fairness-Enhancing Interventions [48.98659895355356]
本稿では機械学習(ML)パイプラインの異なる段階における多重公正強化介入の累積効果について検討する。複数の介入を適用すると、集約に対する個々の介入よりも公平性と実用性が向上する。マイナス面として、公平性向上の介入は異なる集団、特に特権集団に悪影響を及ぼす可能性がある。
論文参考訳（メタデータ） (2022-02-08T09:20:58Z)
Learning who is in the market from time series: market participant discovery through adversarial calibration of multi-agent simulators [0.0]
電子取引市場では、価格またはボリューム時系列のみが直接観測可能である。本研究では,実物と偽物とを区別できる識別器を2段階に分けて学習する手法を提案する。
論文参考訳（メタデータ） (2021-08-02T06:53:37Z)
OSOUM Framework for Trading Data Research [79.0383470835073]
私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
論文参考訳（メタデータ） (2021-02-18T09:20:26Z)
A Generic Methodology for the Statistically Uniform & Comparable Evaluation of Automated Trading Platform Components [2.28438857884398]
提案手法は,2つの自動トレーディングプラットフォームコンポーネント上で実証される。すなわち、価格レベル、よく知られた取引パターン、新しい2段階の特徴抽出方法である。主な仮説は、選択された取引パターンが機械学習環境での使用に適しているかどうかを評価するために定式化された。
論文参考訳（メタデータ） (2020-09-21T16:17:42Z)
Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement Learning Framework [68.96770035057716]
A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-02-05T10:25:02Z)

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。