論文の概要: Trading off Relevance and Revenue in the Jobs Marketplace: Estimation, Optimization and Auction Design

• arxiv url: http://arxiv.org/abs/2504.03618v1
• Date: Fri, 04 Apr 2025 17:36:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-07 14:47:14.092447
• Title: Trading off Relevance and Revenue in the Jobs Marketplace: Estimation, Optimization and Auction Design
• Title（参考訳）: 求人市場における関連性・収益の取引--推定・最適化・オークションデザイン
• Authors: Farzad Pourbabaee, Sophie Yanying Sheng, Peter McCrory, Luke Simon, Di Mo,
• Abstract要約: 本研究では、求職者ごとの求職者ランキングを決定する求人市場における位置割当の問題について検討する。 我々の分析は、収益と関連性のトレードオフと、求人広告デザインの革新に焦点を当てている。
• 参考スコア（独自算出の注目度）: 0.41942958779358674
• License:
• Abstract: We study the problem of position allocation in job marketplaces, where the platform determines the ranking of the jobs for each seeker. The design of ranking mechanisms is critical to marketplace efficiency, as it influences both short-term revenue from promoted job placements and long-term health through sustained seeker engagement. Our analysis focuses on the tradeoff between revenue and relevance, as well as the innovations in job auction design. We demonstrated two ways to improve relevance with minimal impact on revenue: incorporating the seekers preferences and applying position-aware auctions.
• Abstract（参考訳）: 本研究では、求職者ごとの求職者ランキングを決定する求人市場における位置割当の問題について検討する。 ランク付けメカニズムの設計は、雇用の促進による短期的な収入と持続的な求人活動による長期的健康の両方に影響を与えるため、市場効率にとって重要である。 我々の分析は、収益と関連性のトレードオフと、求人広告デザインの革新に焦点を当てている。 我々は、求職者の嗜好を取り入れ、位置認識オークションを適用することで、収益への影響を最小限に抑えて、関連性を改善する2つの方法を実証した。

関連論文リスト

• Reducing Popularity Influence by Addressing Position Bias [0.0]
  位置偏差は,フィードバックループを通じて位置偏差によって引き起こされる項目の人気を効果的に低減できることを示す。 ユーザのエンゲージメントや財務指標を損なうことなく、位置偏りがアソシエーション利用を著しく改善できることを示す。
  論文  参考訳（メタデータ） (2024-12-11T21:16:37Z)
• 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)
• Ranking Policy Learning via Marketplace Expected Value Estimation From Observational Data [8.985446716914515]
  両面のeコマースマーケットプレースにおいて,検索エンジンやレコメンデーションエンジンのランキングポリシーを学習する問題について検討する。 ランキングポリシは、値割当機構として、検索したアイテムを指定されたスロットに割り当てる。 我々は、観測データから、市場が期待する報酬に対する実証的な見積もりを構築した。
  論文  参考訳（メタデータ） (2024-10-06T17:53:44Z)
• Eliminating Position Bias of Language Models: A Mechanistic Approach [119.34143323054143]
  位置バイアスは現代言語モデル (LM) の一般的な問題であることが証明されている。 我々の力学解析は、ほぼ全ての最先端のLMで使われている2つのコンポーネント(因果的注意と相対的位置エンコーディング)に位置バイアスが関係している。 位置バイアスを排除することによって、LM-as-a-judge、検索強化QA、分子生成、数学推論など、下流タスクのパフォーマンスと信頼性が向上する。
  論文  参考訳（メタデータ） (2024-07-01T09:06:57Z)
• 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)
• 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)
• An End-to-End Framework for Marketing Effectiveness Optimization under Budget Constraint [25.89397524825504]
  予算制約下でのビジネス目標を直接最適化する新しいエンドツーエンドフレームワークを提案する。 我々の中核となる考え方は、マーケティング目標を表現し、勾配推定技術を用いて効率的に最適化する正規化器を構築することである。 提案手法は現在,ショートビデオプラットフォーム上で数億人のユーザに対して,マーケティング予算を配分するためにデプロイされている。
  論文  参考訳（メタデータ） (2023-02-09T07:39:34Z)
• 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)
• Bandits in Matching Markets: Ideas and Proposals for Peer Lending [0.0]
  市場の観点から、ピアツーピア投資がどのように考えられるかを設定するためのパラダイムについて説明する。 我々は、時間とともに競争の不確実性のダイナミクスに基づいて、金融機関が選択を調整できるようなシーケンシャルな意思決定に基づく手法を考案する。 シミュレーション実験を用いて、最適な借主と貸主のマッチングに基づいて、後悔のダイナミクスを示し、貸主の後悔は、貸主が設定した初期嗜好に依存することを確かめる。
  論文  参考訳（メタデータ） (2020-10-30T20:12:26Z)
• ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning [55.76903822619047]
  本研究では,強力なインセンティブ保証を備えた収益最大化オークションの設計について検討する。 我々は、高い収益と強力なインセンティブ保証を維持しつつ、公平性の懸念に対処するため、深層学習を用いてオークションを近似する手法を拡張した。
  論文  参考訳（メタデータ） (2020-10-13T13:54:21Z)
• 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。