論文の概要: Impact of Rankings and Personalized Recommendations in Marketplaces
- arxiv url: http://arxiv.org/abs/2506.03369v1
- Date: Tue, 03 Jun 2025 20:26:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 21:20:14.040561
- Title: Impact of Rankings and Personalized Recommendations in Marketplaces
- Title（参考訳）: 市場におけるランキングとパーソナライズドレコメンデーションの影響
- Authors: Omar Besbes, Yash Kanoria, Akshit Kumar,
- Abstract要約: 本研究では,2つのマーケットプレース設定において,公開ランキングとパーソナライズされたレコメンデーションの影響について検討する。
供給制限のない環境では、公的ランキングとパーソナライズされたレコメンデーションの両方が福祉を改善している。
対照的に、供給制限された設定では、公的なランク付けによって行われる一般的な用語だけを明らかにすることは、限られた利益をもたらす。
- 参考スコア（独自算出の注目度）: 2.6217304977339473
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Individuals often navigate several options with incomplete knowledge of their own preferences. Information provisioning tools such as public rankings and personalized recommendations have become central to helping individuals make choices, yet their value proposition under different marketplace environments remains unexplored. This paper studies a stylized model to explore the impact of these tools in two marketplace settings: uncapacitated supply, where items can be selected by any number of agents, and capacitated supply, where each item is constrained to be matched to a single agent. We model the agents utility as a weighted combination of a common term which depends only on the item, reflecting the item's population level quality, and an idiosyncratic term, which depends on the agent item pair capturing individual specific tastes. Public rankings reveal the common term, while personalized recommendations reveal both terms. In the supply unconstrained settings, both public rankings and personalized recommendations improve welfare, with their relative value determined by the degree of preference heterogeneity. Public rankings are effective when preferences are relatively homogeneous, while personalized recommendations become critical as heterogeneity increases. In contrast, in supply constrained settings, revealing just the common term, as done by public rankings, provides limited benefit since the total common value available is limited by capacity constraints, whereas personalized recommendations, by revealing both common and idiosyncratic terms, significantly enhance welfare by enabling agents to match with items they idiosyncratically value highly. These results illustrate the interplay between supply constraints and preference heterogeneity in determining the effectiveness of information provisioning tools, offering insights for their design and deployment in diverse settings.
- Abstract（参考訳）: 個人はしばしば、自分の好みについて不完全な知識でいくつかの選択肢をナビゲートする。
公的ランキングやパーソナライズされたレコメンデーションなどの情報提供ツールは、個人が選択する上で中心となっているが、異なる市場環境下での価値提案はいまだに探索されていない。
本稿では,これらのツールがどのようなエージェントでも選択可能な無容量供給と,各アイテムが単一エージェントに適合するように制約された容量供給の2つのマーケットプレース設定において,これらのツールの影響を探索するスタイリングモデルについて検討する。
エージェントユーティリティーは,各項目にのみ依存する共通用語の重み付けされた組み合わせとしてモデル化され,各項目の個体レベルの品質を反映し,個々の特定の嗜好を捕食するエージェントアイテムペアに依存する慣用的用語をモデル化する。
公的なランキングは共通用語を示し、パーソナライズされたレコメンデーションは両方の用語を明らかにします。
供給制限のない環境では、公衆のランクとパーソナライズされた推奨の両方が、嗜好の不均一性の度合いによって相対的な価値を定め、福祉を改善する。
選好が比較的均質な場合、公共のランキングは有効であるが、不均一性の増加に伴い、パーソナライズされた推薦が重要になる。
対照的に、供給制約設定では、公共のランキングによって行われるような共通項のみを明らかにすることで、利用可能な総共通値がキャパシティ制約によって制限されるため、限られた利益が得られるが、一方、パーソナライズされた推奨事項は、共通項と慣用的項の両方を明らかにすることにより、エージェントが慣用的に価値の高い項目と一致できるようにすることにより、福祉を著しく向上させる。
これらの結果は、情報提供ツールの有効性を決定する上での供給制約と嗜好の不均一性の相互作用を示し、多様な環境における設計と展開の洞察を提供する。
関連論文リスト
- Rate-Optimal Rank Aggregation with Private Pairwise Rankings [12.511220449652384]
我々は、ペアのランキングに基づいてランクアグリゲーションの実用性を確保しつつ、プライバシを保護するという課題に対処する。
現実の一般的なプライバシ保護戦略は、ランダム化された応答機構を使用して、生のペアワイズランキングを摂動させることである。
本稿では、ランダム化応答機構からランク付けする適応的デバイアス法を提案し、真の嗜好を確実に推定する。
論文 参考訳（メタデータ） (2024-02-26T18:05:55Z) - Private Matrix Factorization with Public Item Features [14.547931725603888]
差別化プライバシ(DP)によるトレーニングは、推奨品質の損失を犠牲にして、強力なプライバシ保証を提供する。
トレーニング中にパブリックアイテム機能を導入することで、品質の低下を軽減できることが示されています。
論文 参考訳（メタデータ） (2023-09-17T11:13:52Z) - Joint Multisided Exposure Fairness for Recommendation [76.75990595228666]
本稿では,消費者と生産者の両面から共同で問題をモデル化する,露出公正度尺度のファミリを定式化する。
具体的には、双方の利害関係者に対するグループ属性について、個別のユーザや項目を超えて、より体系的なバイアスを推奨するフェアネスの懸念を識別し緩和する。
論文 参考訳（メタデータ） (2022-04-29T19:13:23Z) - Inferring Lexicographically-Ordered Rewards from Preferences [82.42854687952115]
本稿では,エージェントの観察された嗜好の多目的報酬に基づく表現を推定する手法を提案する。
我々は,異なる目的に対するエージェントの優先順位を語彙的入力としてモデル化することにより,エージェントがより高い優先順位を持つ目的に対して無関心である場合に限って,より低い優先順位を持つ目的が重要となるようにした。
論文 参考訳（メタデータ） (2022-02-21T12:01:41Z) - Estimation of Fair Ranking Metrics with Incomplete Judgments [70.37717864975387]
本研究では,4つの評価指標のサンプリング手法と推定手法を提案する。
ラベル付きアイテムの数が極めて少ない場合でも動作可能な頑健で偏りのない推定器を定式化する。
論文 参考訳（メタデータ） (2021-08-11T10:57:00Z) - Set2setRank: Collaborative Set to Set Ranking for Implicit Feedback
based Recommendation [59.183016033308014]
本稿では,暗黙的フィードバックの特徴を探究し,推奨するSet2setRankフレームワークを提案する。
提案するフレームワークはモデルに依存しず,ほとんどの推奨手法に容易に適用できる。
論文 参考訳（メタデータ） (2021-05-16T08:06:22Z) - 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) - SetRank: A Setwise Bayesian Approach for Collaborative Ranking from
Implicit Feedback [50.13745601531148]
提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。
具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。
また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
論文 参考訳（メタデータ） (2020-02-23T06:40:48Z)
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。